基于预训练交互式图神经网络的多元时间序列异常检测 |
| |
引用本文: | 王春枝,邢绍文,高榕,严灵毓.基于预训练交互式图神经网络的多元时间序列异常检测[J].中南民族大学学报(自然科学版),2023(4):541-550. |
| |
作者姓名: | 王春枝 邢绍文 高榕 严灵毓 |
| |
作者单位: | 湖北工业大学计算机学院 |
| |
摘 要: | 多元时间序列异常检测是数据挖掘领域中的一项重要应用.基于深度学习的异常检测方法已经取得了重大进展,但其仍然存在一定的局限性.首先,是它们假设训练数据仅由正常数据组成,而忽略了异常数据可能导致的不可预测性;其次,大部分方法并未考虑到时间序列的独特特性.为了解决上述问题,基于预训练提出了一种新颖的用于多元时间序列的异常检测框架.框架由预训练模块和预测模块组成,首先预训练模块通过学习时间序列的密集向量表示,增强其可预测性,然后预测模块中充分利用时间序列的独特特性捕获其时间依赖.通过广泛的实验证明了所提出的模型的有效性,在三个真实数据集上均显著优于最先进的模型.
|
关 键 词: | 时间序列 异常检测 预训练 Transformer编码器 图神经网络 |
|
|