zjgslxh 有一个数据发生机制，每1分钟产生一个数据，因此这样的数据形成时间序列。现在想做一种识别机制，对于当前时刻上来的数据，要对其进行实时的识别判断，判断其是不是一个异常数据，这方面有哪些理论研究成果，不吝赐教。 也看了一些文献，很多都是对一个既定的时间序列，来识别其中的异常点，这个是一种事后分析，而现在需要的是实时性的识别方法。
HarryYu [未知用户] 保持JCHART的古朴苍劲，便于更多的人学会它，出发点是非常对的。 不过我也挺2的，我（直到现在才）发现速度和频数其实是一个概念， f 速度 n 总的数量 f*n=k，k即为频数 有机会的话我们之间握手言和吧，不搞分裂，为后人树立一个好的典范
HarryYu 这个帖子后来又看了一下觉得有点不太对劲，楼主问的应该是关于设备的纠偏算法 我发现我被2楼轻轻一晃就晃倒了，关于这个问题应该是有确定解的，或者说这类问题的解法在某种意义上也和金融的有所不同 这类问题相当于说某个设备，比如在100的并发的情况下会有测量的误差，但是这个设备在80的并发的情况下基本上是100%，100的并发是个临界值，如果是1000的并发，根据使用电脑的经验很可能这个设备的准确已经很低了 我认为这个问题还不能说是等同于金融价格的变化问题，这个问题应该是有确定解的，是个“单向的”问题
