- 文献综述（或调研报告）：
本文着眼帧负载分析，并根据帧负载分析结果适时调整CPU时钟频率继而实现节省功耗的目的。时间序列是观察基础过程的结果，在此过程中，值是根据均匀的时间间隔以固定的采样率从测量中收集的。显然，帧负载是一个典型的时间序列，因而对帧负载进行分析不得不借鉴时间序列分析的手段。时间序列分析主要包含内容查询[10]，离群值检测[11]，主题发现[12]，预测[13]，聚类[14]，分类[15]和分割[16]问题。学术界认为，[17]为概念离群值提供了广泛使用的定义：“某个观察值与其他观察值差异巨大以至引起怀疑，它是由不同的机制产生的”。大负载的帧在帧序列中其负载远大于其他正常帧，完全符合时间序列中有关离群值的定义。但仅仅检测出离群的大负载帧还不够，需要对将来可能出现大负载帧的时间点进行精准预测，因而本节将重点阐述时间序列中有关离群值检测及其预测的研究现状。
时间序列中有关离群值的研究首先出现于[18]，其中定义了两种离群值（outlier）：（1）只影响单个观测值（2）影响单个观测值及后续的观测值。这项研究后在[19]中拓展为四种离群值，又在[20]中置于多元时间序列场景下进行研究。自此，有关离群值检测相关概念和检测方法不断被提出，但值得一提的是，有关离群值的术语并无严格界定，如anomalies、discordant observations、discords、exceptions、aberrations等。
图1 离群值在时间序列中的含义主要取决于研究者的目的
如图1所示，时间序列中的离群值有两种含义，其区别主要取决于研究目的和特定的研究场景。在此我们主要关注第二种场景，研究离群值本身的特征，如欺诈检测。显然，大负载的预测属于这一种场景。需要注意的是，此类研究场景中的离群值被称为anomalies[21]。
图2 本文序列数据中大负载帧概览
离群值主要分为三种，离群点，离群子序列和离群序列。从图2可以看出，典型的大负载帧在序列中属于离群点。离群点是与时间序列中的其他值（全局离群点）或者其相邻观测点（局部离群值）相比在特定时刻表现异常的数据。有关离群点的研究是离群值检测任务中最常见的课题，根据时间序列数据类型的不同分为单元序列的离群点检测和多元序列的离群点检测。虽然本文所研究的场景中，时间序列为多元数据，但巧合的是，可以将其转化为单元序列进行研究，因而本节主要关注单元序列的离群点检测方法。
图3 离群点检测方法类别概览
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
