申请/专利权人：闽江学院

申请日：2023-04-20

公开（公告）日：2024-04-02

公开（公告）号：CN117807470A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/214;G06N3/0442;G06N3/0455;G06N3/088

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明涉及一种用于无监督时间序列异常检测的多重校准单分类方法。首先，本发明提出了一种自适应重建策略，通过惩罚具有高度离群特征的样本以校准重建目标，提高了正态特征的学习质量；其次，为了解决训练样本中的异常污染问题，本发明将不确定性建模与时序数据增强相结合，通过建模成对样本（原始时间序列与增强时间序列）来自适应惩罚具有高度不确定性的预测，以消除潜在异常污染的负面影响，校准正态特征的学习。最后，我们引入人工异常样本来校准不准确且具有偏见的正态边界，并进一步引入记忆模块来避免异常信息的错误泛化。在七个真实数据集上的实验结果表明，本发明算法具有良好的异常检测性能。

主权项：1.一种用于无监督时间序列异常检测的多重校准单分类方法，其特征在于，包括基于自适应重建的校准、基于增强不确定性建模的校准和基于记忆模块的异常注入校准；其中，基于自适应重建的校准，通过惩罚具有高度离群特征的样本以校准重建目标；基于增强不确定性建模的校准，将不确定性建模与时序数据增强相结合，通过建模成对样本即原始时间序列与增强时间序列来自适应惩罚具有高度不确定性的预测；基于记忆模块的异常注入校准，引入人工异常样本来校准不准确且具有偏见的正态边界，并引入记忆模块来避免异常信息的错误泛化。

全文数据：

权利要求：

百度查询： 闽江学院 用于无监督时间序列异常检测的多重校准单分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD