CAE-M: 基于多变量时间序列数据的深度异常检测混合模型
本文介绍一篇被数据挖掘国际顶级期刊TKDE 2021接收的regular paper,第一作者为中科院计算所张宇欣博士,其他作者来自中科院计算所、微软亚洲研究院等单位。文章针对多源时序数据的时空关联性,提出一种深度时空网络异常检测方法(Deep Convolutional Autoencoding Memory network,CAE-M),解决特征分布的多样性和复杂性,捕捉正常数据的通用表征模式,相比于state-of-the-art的异常检测方法提高了至少 6% 的精度(F1-score)。
原创
2024-03-18 09:59:21 ·
1179 阅读 ·
0 评论