科研之友
微信
新浪微博
Facebook
分享链接
摘要
为妥善解决时序数据异常检测敏感度低、耗时长等问题，提出基于跨模态深度度量学习的异常检测方法。创建由输入层、三元组选择层和损失函数计算层构建的跨模态深度度量学习特征聚类模型，计算各聚类中心间欧式距离平方值，采用随机梯度下降策略优化模型，归类不同时序特征数据；以主成分方向矢量内积当作数据异常衡量标准，运用vMF分布描述时序数据的方向特征，训练历史数据得到评估时序参数，对比真实时序数据主成分方向矢量与门限值，完成异常数据检测。实验结果证明，所提检测方法能准确划分不同属性的时序数据，对异常数据敏感，检测精度高、速率快，鲁棒性强。
- 单位
