申请/专利权人:浙江大学
申请日:2023-12-27
公开(公告)日:2024-04-02
公开(公告)号:CN117807540A
主分类号:G06F18/2433
分类号:G06F18/2433;G06F18/25;G06N3/0455;G06N3/0464;G06N3/0442;G06N3/0895;G06F123/02
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:本发明提出了一种融合全局和局部信息的时间序列数据异常检测方法,包括以下步骤:步骤S1:基于自编码器重构模型构建全局异常信息预测模块;步骤S2:基于对比预测编码模型构建局部异常信息预测模块;步骤S3:通过全局异常信息预测模块计算时间序列数据的全局重构异常分;通过局部异常信息预测模块计算时间序列数据的局部预测异常分;步骤S4:基于全局重构异常分和局部预测异常分计算时间序列数据的综合异常分;步骤S5:设定阈值,比较阈值和综合异常分得到最终的判定结果;本发明通过全局异常分和局部异常分的双重互补机制,实现了多变量时间序列数据异常检测的高准确预测。
主权项:1.一种融合全局和局部信息的时间序列数据异常检测方法,其特征在于,包括以下步骤:步骤S1:基于自编码器重构模型构建全局异常信息预测模块;步骤S2:基于对比预测编码模型构建局部异常信息预测模块;步骤S3:通过所述全局异常信息预测模块计算时间序列数据的全局重构异常分;通过所述局部异常信息预测模块计算时间序列数据的局部预测异常分;步骤S4:基于所述全局重构异常分和所述局部预测异常分计算时间序列数据的综合异常分;步骤S5:设定阈值,比较所述阈值和所述综合异常分得到最终的判定结果。
全文数据:
权利要求:
百度查询: 浙江大学 一种融合全局和局部信息的时间序列数据异常检测方法
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。