-
公开(公告)号：CN115713670A
公开(公告)日：2023-02-24
申请号：CN202211377858.0
申请日：2022-11-04
Applicant: 南京邮电大学
IPC: G06V10/774 , G06V10/764 , G06V10/74 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图预测网络和自动编码器的异常检测方法及系统，所述方法包括：对收集到的时间序列数据进行预处理，构建数据集；对构建的数据集进行时间依赖性处理；经过时间依赖性处理的时间序列数据集，通过图形结构学习传感器节点依赖性，得到重构时间序列数据集；将重构数据集送入图预测网络进行训练，得到预测重构数据；利用预测重构数据与观测数据误差计算异常分数，并基于异常分数计算各滑动窗口对应的阈值；将滑动窗口异常分数与对应的阈值来进行异常判别。本发明能够快速有效的学习时间序列中各个传感器的依赖性，同时能够学习时间序列数据对时间的依赖性，共同有效提高时间序列数据异常检测的性能。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
