首页|基于深度学习的时间序列数据异常检测方法

基于深度学习的时间序列数据异常检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对类间分布不平衡的时间序列数据的异常检测问题,提出了一种基于深度卷积神经网络的检测方法.首先采用抽样法对不平衡时间序列数据进行预处理;其次,将处理后的时间序列数据转换为尺度一致、时长一致的片段;最后将数据送入具有4层隐藏层结构的卷积神经网络模型中进行异常检测.实验结果表明,所提方法弥补了现存的检测技术由于忽略数据分布的偏斜性而造成的少数类检测精度低的缺点,并通过与现有的时间序列分类方法的比较,验证了所提方法的高效性.
Time-series Data Anomaly Detection Method Based on Deep Learning

胡姣姣、王晓峰、张萌、张德鹏、胡绍林

展开 >

西安理工大学理学院,陕西西安 710054

广东石油化工学院自动化学院,广东茂名 525000

时间序列异常检测 不平衡数据学习 深度学习 卷积神经网络

国家自然科学基金资助项目国家自然科学基金资助项目国家自然科学基金资助项目陕西省教育厅重点实验室项目

61772416916461086147322217JS098

2019

信息与控制
中国自动化学会 中国科学院沈阳自动化研究所

信息与控制

CSTPCDCSCD北大核心
影响因子：0.576
ISSN：1002-0411
年,卷(期)：2019.48(1)
  • 34
  • 7