科研之友
微信
新浪微博
Facebook
分享链接
摘要
大多传统的无监督和有监督算法在异常检测上需要预先定义阈值，但很难找到最佳阈值，为解决这一问题，提出一种无阈值的半监督竞争学习模型用于时间序列的异常检测.该模型使用长短期记忆神经网络(LSTM)设计了一种竞争机制的自动编码器，有一个编码器和两个解码器，使用正常数据和未标记数据进行训练，正常数据用来训练正常解码器，对于未标记数据送入两个解码器当中，通过重构误差的大小来选择解码器.该结构具有良好的判别性能，不需要对其设定阈值.实验结果表明，该模型在对异常样本的召回率和F1分数都高于传统的自编码器模型.所以，该半监督竞争学习模型在时间序列的异常检测上是有效的.
- 单位
