- 1、本文档共67页,其中可免费阅读21页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
无监督时间序列异常检测在工业、Web等系统的自动监控和异常事件检测中
有着重要的应用,噪声与异常的鉴别一直是该研究的关键问题。现有的时间序列异
常检测方法大多依靠从正常数据中建立一个数据表示模型,通过异常与表示模型的
偏差来进行异常检测。尽管深度学习模型具有较强的数据拟合能力和特征提取能力,
但由于数据的高度复杂性和噪声的影响,容易导致过拟合。在时间序列领域中,异
常数据难以与全局时间点建立起有效的时间关联。因此,本文从异常信号突变性的
角度提出了异常数据多粒度结构偏差假设,并从数据的局部关
文档评论(0)