AnDri：概念漂移下的自适应异常检测扩展报告

研究者提出 AnDri 框架，用于在时间序列概念漂移存在时进行异常检测，引入动态正常模型以激活、停用或新增正常模式。AnDri 采用新的相邻层次聚类方法 AHC，学习尊重时间局部性的正常模式，以捕捉现有方法忽略的短时但重复出现的模式。实验显示 AnDri 在包含不同类型、比例和分布的概念漂移与异常的真实数据集上优于现有基线。