（五）Cross-dataset Time Series Anomaly Detection for Cloud Systems 云系统跨数据集时间序列异常检测

内含动画的PPT已经上传，可以在我上传的资源里看到，可免费下载

发现有一篇很好的文章解析：USENIX 2019基于迁移学习的时序异常检测框架

论文信息

• 2019
• USENIX会议
• 作者单位：南京大学&北京微软研究院&澳大利亚 纽卡斯尔大学
• 数据集：NAB+Yahoo

论文链接：
https://www.usenix.org/conference/atc19/presentation/zhang-xu

本篇文章是发表于2019的USENIX会议上，文章目的对时间序列进行异常检测，用的迁移学习+主动学习的方式，对7个数据集进行实验。
（1）迁移学习，迁移学习的简单理解，点击即可跳转它将从标记的时间序列数据中学习到的常见异常行为迁移到大量的未标记数据集。通过迁移学习，可以利用数据集之间的共性，并减少目标数据集的标记工作。

注意：关于迁移学习，如果想要通过更多的论文去理解去拓展，这是一篇总结性很不错的博客，涵盖很多的论文及其讲解有关迁移学习的论文，点击即可跳转

（2）主动学习，主动学习的简单理解，点击即可跳转通过在目标数据集中仅标记少量选定样本来提高检测性能。通过主动学习，具有特定特征的多样化数据可以通过少量的标记工作来解决

一、论文概括

1. 研究对象
2. 目的
3. 方法
4. 结果

二、相关研究工作

三、作者的研究方法（ATAD）

1. 总体框架
2. 迁移学习组件
   （1）特征识别
   （2）源域与目标域之间的传输
3. 主动学习组件
   （1）不确定性
   （2）上下文多样性
   （3）小结
   （4）算法流程
4. 实验