《计算机工程与科学杂志》发表论文赏析

基于双层注意力和深度自编码器的时间序列异常检测模型

来源:计算机工程与科学杂志2024年第5期北京时间:

作者:尹春勇, 赵峰

单位:南京信息工程大学计算机学院、网络空间安全学院,江苏 南京 210044)

摘要:目前时间序列通常具有弱周期性以及高度复杂的相关性特征,传统的时间序列异常检测方法难以检测此类异常。针对这一问题,提出了一种新的无监督时间序列异常检测模型(DA-CBG-AE)。首先,使用新型滑动窗口方法,针对时间序列周期性设置滑动窗口大小;其次,采用卷积神经网络提取时间序列高维度空间特征;然后,提出具有堆叠式Dropout双向门循环单元网络作为自编码器的基本结构,从而捕捉时间序列的相关性特征;最后,引入双层注意力机制,进一步提取特征,选择更加关键的时间序列,从而提高异常检测准确率。为了验证该模型的有效性,将DA-CBG-AE与6种基准模型在8个数据集上进行比较。最终的实验结果表明,DA-CBG-AE获得了最优的F1值(0.863),并且其检测性能相比最新的基准模型Tad-GAN高出25.25%。

关键词:异常检测,双层注意力机制,自编码器,卷积神经网络,双向门循环单元,

2024年5期其他文献查阅:

基于NUMA云计算架构的多资源分配可信拍卖机制

EMRI-Tree:面向多分辨率可视化的层次式数据结构

基于蜂鸟E203的多级动态分支预测器

CCGA器件的制备与高精度组装技术

基于异常保持的弱监督学习网络入侵检测模型

一种面向低功耗移动端到端系统的延迟推送同步策略

SRv4:面向IPv4的段路由数据面协议设计及实现

基于双层注意力和深度自编码器的时间序列异常检测模型

类别特征约束的多目标域表情识别方法

ELPVO:基于I/O流水优化的超低功耗视觉里程计

改进YOLOv5的多人姿态估计修正算法

对比约束下的非局部关联单图像去反光级联算法

基于自适应图卷积和注意力池化的点云分类与分割

鲸鱼优化算法研究与应用进展

最小支配阈值集问题的降阶回溯算法

基于邻域关系感知图神经网络的DDI预测

基于对span的预判断和多轮分类的实体关系抽取

结合上下文的细粒度实体分类特征表示方法

基于多特征交互融合的老挝语无监督音素分割方法

基于实体知识的远程监督关系抽取

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!