pyCFOFiSAX 0.1.0

Calculate CFOF score on stream context with iSAX trees

Calcul CFOF via iSAX

Projet thèse Lucas
2017-2020

Pour commencer

Installation

Lancer pip install -r requirements.txt ou python3 -m pip install -r requirements.txt.

Le package tslearn requière Cython, numba et llvmlite (pip téléchargera automatiquement ces packages). Cependant pour Cython, il est nécessaire d'avoir un compileur C (comme décrit sur ce site), et le package llvmlite n'a été, pour ce projet, testé qu'avec Python 3.7 et 3.8 que nous recommandons.

Sinon, l'utilisation de conda simplifie l'installation (comme recommandé sur le site de tslearn), car ne nécessite pas l'installation de compileur C et des packages Cython et llvmlite.

Utilisation

La documentation est disponible ici : https://pycfofisax.readthedocs.io/fr/main/

Remerciements

Développements des travaux de :

• CFOF: A Concentration Free Measure for Anomaly Detection, par Fabrizio Angiulli,
• iSAX: Indexing and Mining Terabyte Sized Time Series, par Jin Shieh et Eamonn Keogh,
• iSAX 2.0: Indexing and Mining One Billion Time Series, par Alessandro Camerra, Themis Palpanas, Jin Shieh et Eamonn Keogh.
• Scoring Message Stream Anomalies in Railway Communication Systems, par Lucas Foulon, Serge Fenet, Christophe Rigotti et Denis Jouvin

Utilisation du code de :

• tslearn de Romain Tavenard et al. (2017).

Utilisation des jeux de :

• Ahmad, S., Lavin, A., Purdy, S., & Agha, Z. (2017). Unsupervised real-time anomaly detection for streaming data. Neurocomputing, Available online 2 June 2017, ISSN 0925-2312