基于集成LSTM自编码器的多维时间序列异常检测OACSTPCD
MULTIVARIATE TIME SERIES ANOMALY DETECTION METHOD BASED ON LSTM AUTOENCODER ENSEMBLE
针对长短时记忆网络自编码器(LSTM-AE)在多维时间序列(MTS)上异常检测效率低的问题,提出一种基于集成LSTM-AE(LAE)的MTS异常检测模型.该模型集成多个LSTM-AE分别重构正常MTS各子序列,并将各重构误差作为MTS的局部特征;利用全连接网络自编码器(FCAE)对各重构误差数据进行拟合,学习MTS数据的全局特征;根据FCAE的重构误差进行异常检测.在三个公共MTS数据集上的实验表明,与基准方法相比,在Precision、Reca…查看全部>>
Aimed at the problem that the long-short term memory AutoEncoder(LSTM-AE)is inefficient in anomaly detection on multivariate time series(MTS),a model named LSTM-AE Ensemble(LAE)is proposed.LAE integrated multiple LSTM-AEs to reconstruct each sub-sequence of normal MTS,and treated each reconstruction error as a local feature of the MTS.A fully connected network AutoEncoder(FCAE)was used to fit the reconstruction error data,so that LAE could capture the global…查看全部>>
李亚静;霍纬纲;丁磊
中国民航大学计算机科学与技术学院 天津 300300中国民航大学计算机科学与技术学院 天津 300300中国民航大学计算机科学与技术学院 天津 300300
计算机与自动化
多维时间序列异常检测LSTM-AE集成学习
Multivariate time seriesAnomaly detectionLSTM-AEEnsemble learning
《计算机应用与软件》 2024 (1)
285-290,6
中央高校基本科研业务费项目中国民航大学专项(3122019190).
评论