基于时间序列的异常检测算法的研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：在时间序列数据下，针对传统的器件故障检测技术对不同的器件检测率低、小样本数据分类不平衡等问题，对数据异常检测准确率造成很大的影响。该文构建一种机器学习和深度学习相结合的时间序列异常检测算法，针对时间序列数据分类不平衡问题，引入smote算法，使得各类别之间的数据达到均衡状态，用Lasso算法进行特征选择，从而得到对异常检测结果影响较大的特征项，最后，使用基于添加注意力机制的LSTM网络作为异常检测分类器，完成基于时间序列异常检测算法的实现。（剩余5206字）

试读结束

目录
monitor