检索结果-南通市图书馆

计算机科学 2024年

作者：廖思睿黄飞虎战鹏祥彭舰张凌浩四川大学计算机学院国网四川省电力公司电力科学研究院

时间序列异常检测旨在检测时间序列中与正常数据不符的时间点或片段。如何充分利用时间序列中的上下文信息以提升检测精度是目前构建异常检测模型的关键。然而，现有方法未充分考虑数据中上下文依赖关系的差异性，也缺乏对异常样本的建... 详细信息

时间序列异常检测旨在检测时间序列中与正常数据不符的时间点或片段。如何充分利用时间序列中的上下文信息以提升检测精度是目前构建异常检测模型的关键。然而，现有方法未充分考虑数据中上下文依赖关系的差异性，也缺乏对异常样本的建模，导致正常和异常样本区分度不明显、检测效果欠佳。因此，本文提出了一种考虑上下文依赖差异化的异常检测模型（Differentiated Context Dependency for Time Series Anomaly Detection， DCDAD），用于时序异常检测。DCDAD模型通过自注意力捕捉时间维度的上下文依赖，并在聚类过程中学习用以区分正、异常样本的超球面。采用异常注入思想对数据集进行扩充，解决异常样本稀缺的问题，并针对性地设计了差异化学习的目标函数，扩大正、异常样本的差异性，进而提升异常检测性能。本文在5个真实时序数据集上进行了大量实验，在F1分数上相比于现有最先进的算法提升了约1.2%，证实了以差异化方式学习上下文依赖关系可提升模型的异常检测效果，同时参数敏感性分析和消融实验的结果也验证了本模型的稳定性以及有效性。

关键词：时序异常检测差异化表示学习上下文依赖关系超球面

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：