龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西南交通大学
摘要：本发明公开了一种联合图学习和双注意力机制的时序数据异常检测方法，具体为：通过对多维时序数据的图结构进行表示学习，构建了多维时序数据特征交互关系的有向带权图，以此定量化特征间复杂依赖关系。并基于GAT与ATT‑GRU构建双通道注意力特征提取网络，使用注意力机制聚焦数据的异常时间段，实现双维度的深度特征提取。最后基于TCN构建的预测模块，与基于LSTM‑VAE构建的重构模块，通过联合评分机制计算异常得分，并通过超阈值模型动态调整异常阈值，精确识别时序数据的异常状态。本发明在公开数据集上进行异常检测的F1值相较于基线模型分别提高了4.52％和6.28％。异常检测效果明显优于目前主流的异常检测方法。
主权项：1.一种联合图学习和双注意力机制的时序数据异常检测方法，其特征在于，包括以下步骤：步骤1：对多维时序数据进行预处理；步骤2：多维时序数据的图结构确定与权重分配；步骤3：图结构中边的因果方向推断；步骤4：图注意力网络GAT的初始注意力权重确定；步骤5：执行空间特征提取，通过GAT处理图的节点间空间依赖关系；步骤6：执行时间特征提取，利用注意力增强的门控循环单元ATT-GRU捕获时间序列的时序依赖关系；步骤7：将拼接时空特征的多维时序数据送入由时间卷积网络TCN构成的预测模块，获取预测输出；步骤8：将拼接时空特征的多维时序数据送入由长短期记忆网络结合变分自编码器LSTM-VAE构成的重构模块，获取重构输出；步骤9：结合预测输出与重构输出计算异常分数，并基于异常阈值确定数据点的异常状态。
全文数据：
权利要求：
百度查询： 西南交通大学 一种联合图学习和双注意力机制的时序数据异常检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号