- 2020四月 IEEE Access
HUAD: Hierarchical Urban Anomaly Detection Based on Spatio-Temporal Data(基于时空数据的分层城市异常检测)
识别城市中的交通异常流情况,数据是出租车、地铁数据,其实验方法是将城市地图分成区块,用了时空信息,但是不是时空图,本质图是普通图。
- 2019十月 IEEE Access
Anomaly Detection Based on Spatio-Temporal and Sparse Features of Network Traffic in VANETs (VANET车载自组织网络中基于时空稀疏特征的网络流量异常检测)
没看懂,但是不是时空图
- 2019 IEEE International Conference on Big Data (Big Data) Spatiotemporal Real-Time Anomaly Detection for Supercomputing Systems
检测系统异常的,基于时空特征的事件检测而不是基于周期。但是有一说一,这文章最难的部分应该是数据的获取吧,不是基于时空图的
- 2019 IEEE Access Adapted K-Nearest Neighbors for Detecting
Anomalies on Spatio–Temporal Traffic Flow(适应K最近邻检测时空交通流异常)
flow distribution probabilities(FDP)流量分布概率
用了时空信息,但是不是时空图。那么能不能在这一块继续往下走呢?