基于多模态对抗学习的无监督时间序列异常检测.docx_时间序列的异常分类资源-CSDN文库

版权申诉

18 浏览量 2022-06-10 16:42:22 上传评论收藏 1.3MB DOCX 举报

资源推荐

资源详情

资源评论

摘要时间序列异常检测旨在发现对应时序特征中不符合一般规律的特

异性模式，是机器学习领域重要的研究方向之一.然而，现有的时序异

常检测方法大多为单模态学习，忽略了时序信息在多模态空间上不同

特征分布的关联性和互补性，不能充分利用已有信息进行有效地模式

挖掘，从而造成检测效果差等问题.为此，提出了一种基于多模态对抗

学习的无监督时间序列异常检测模型.首先，将原始时间序列转换至频

域空间，构造多模态时间序列表示.其次，提出多模态生成对抗网络模

型，针对多模态时间序列，实现正常时序信息关于时域和频域特征分

布的无监督联合学习.最后，通过将异常检测问题转化为时间序列在时

域和频域空间的重构度量问题，从时域空间和频域空间 2 个方面度量

时间序列的异常值，实现更有效的异常检测.在时间序列数据集合 UCR

和 MIT-BIH 中的 6 个真实数据集的实验结果表明，在异常检测任务上

相较于传统单模态异常检测方法，提出方法在 AUC 和 AP 这 2 个性能

指标上最高分别提升了 12.50%和 21.59%，证明了方法的有效性.

关键词时间序列；无监督异常检测；特征分布；对抗学习；多模态

时间序列(time series)是按照时间排序的一组随机变量，它通常

是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测

的结果.视频、音频、轨迹图、心电图和动作捕捉都是常见的时间序列，

对这些数据进行分析和检测的关键是识别其中的模式、趋势和相关性

[1]

.时序数据的分析广泛地应用在科学、工程和商业领域中

[2-3]

，例如社交

剩余29页未读，继续阅读

内容反馈

版权申诉

罗伯特之技术屋

粉丝: 3662
资源: 1万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip