论文部分内容阅读
异常点挖掘的意义主要体现在两个方面。传统观念中，异常点常常被认为是噪声数据或无用数据，分析时的一般方法是排除这些干扰数据，更好地估计模型的参数。然而，随着Lon—MuLiu．et（2001）在快餐行业的数据中进行了实例分析，异常点挖掘也被用于挖掘异常点本身所蕴含的信息。ARIMAX模型引入了外部变量，可以更好地拟合数据。因而对含异常点的ARIMAX模型，提出了利用Gibbs抽样挖掘其中AO型异常点的方法，最后进行了模拟试验，取得了较好的结果。