特征表示增强的轻量化异常序列检测方法OACSTPCD
Lightweight anomaly sequence detection method with enhanced feature representation
边缘端的异常检测能够明显提高检测的响应速度,轻量化是深度异常检测模型在边缘端运行的解决方案,常采用模型压缩或减少参数量的方法,但参数量减少会减弱特征表示能力,影响检测准确度.为解决以上问题,提出一种层间特征传递增强的轻量化无监督异常序列检测方法,可以在减少模型参数量的同时保证检测的准确性.首先,借鉴密集卷积网络(DenseNet)的结构思想,设计特征层间连接的网络结构,增加层间的连接,加强特征传递的信息量,使提取的序列深度特征更充分;然后将深度可…查看全部>>
刘春红;王梦情;王敬雄;何倩;张俊娜
河南师范大学计算机与信息工程学院,新乡,453007广西密码学与信息安全重点实验室,桂林电子科技大学,桂林,541000河南师范大学计算机与信息工程学院,新乡,453007河南师范大学计算机与信息工程学院,新乡,453007广西密码学与信息安全重点实验室,桂林电子科技大学,桂林,541000
信息技术与安全科学
异常检测轻量化特征传递增强深度可分离卷积
《南京大学学报（自然科学版）》 2022 (4)
面向时空大数据的云边端一体化服务网络模型与安全关键技术研究
640-648,9
国家自然科学基金(62162018,61902112),广西密码学与信息安全重点实验室研究课题(GCIS202115),河南省高等教育教学改革研究与实践项目(2021SJGLX355)
评论