时间序列子序列异常检测有哪些方法

以下是一些常见的时间序列子序列异常检测方法：

1. 基于统计学的方法：使用均值、方差、标准差、峰度、偏度等统计量来判断子序列是否异常；

2. 基于机器学习的方法：使用监督学习或无监督学习方法来训练模型，然后使用模型来识别异常子序列。比如使用支持向量机（SVM）、随机森林（Random Forest）等算法；

3. 基于时间序列相似度的方法：使用动态时间规整（DTW）、最长公共子序列（LCS）等算法来计算时间序列之间的相似度，然后使用相似度来判断子序列是否异常；

4. 基于聚类的方法：使用聚类算法将时间序列划分为不同的子序列，然后使用聚类结果来识别异常子序列；

5. 基于深度学习的方法：使用卷积神经网络（CNN）、循环神经网络（RNN）等深度学习模型来识别异常子序列。其中，使用LSTM模型比较常见。

这些方法各有优缺点，应根据具体场景和数据特点选择适合的方法。