【摘 要】
：
时间序列异常检测在数据挖掘领域具有重要地位,且受关注程度越来越高.近年来,异常检测领域取得了较大进步,目前的方法更多利用循环神经网络自发学习数据的性质,少见有效利用
【机 构】
：
北京建筑大学理学院,北京100044;北京建筑大学理学院,北京100044;北京建筑大学北京未来城市设计高精尖创新中心,北京100044
论文部分内容阅读
时间序列异常检测在数据挖掘领域具有重要地位,且受关注程度越来越高.近年来,异常检测领域取得了较大进步,目前的方法更多利用循环神经网络自发学习数据的性质,少见有效利用特征维度和时间维度两个层面的报道.文章通过带有周期性的门控循环单元捕捉多变量时间序列数据在时间维度上的深层信息,并通过注意力机制找到度量各个特征的权重,之后将两个角度的信息汇总作为多元时序预测结果.量化预测结果与真实结果的差异,以此作为异常评价指标,并运用极值分析选取划分异常的阈值.最后,通过真实数据集的实验验证了文章方法的可行性与有效性.
其他文献
金属活性位点的浸出和聚集是传统金属负载型催化剂常见的问题.基于此,利用双氰胺与酞菁复合前驱体一步法热解合成了一系列不含金属的氮掺杂层状碳催化剂.通过透射电镜、X-射
利用生物质碳源麦秸秆和氮源乙二胺,通过一步水热法制备出氮掺杂的荧光碳点(carbon dots,CDs).利用TEM、FTIR、XPS、紫外可见吸收光谱和荧光光谱等对其进行了结构、光学性能
以介孔空心碳球为载体,采用等体积浸渍法将酸和碱的液滴限域在其纳米空腔内,制备了具有较大反应界面的固体酸/碱催化剂,并用于水-油两相反应体系.通过TEM、SEM、N2吸附等测试
一氧化氮(NO)是一个重要的生物气体信使分子,主要产生于线粒体,参与了线粒体呼吸作用的调节并与溶酶体许多功能密切相关,其不正常的表达将导致线粒体和溶酶体功能丧失,从而引
通过溶剂热法制备得到了长度为100 nm,直径为60 nm的棒状锂离子电池正极材料磷酸锰锂(LiMnPO4).为了提高其电化学性能,使用不同含量的beta-环糊精与其球磨并碳化对LiMnPO4表
在有效质量近似下,结合外场对材料性质的改变,并考虑压电电子学相关观点,从计算上研究了外场对闪锌矿InAs/GaAs量子点光学性质的影响,并与实验结果进行了比对.结果 表明:形变
在自旋转变材料中,由于晶体场能量与电子配对能量的竞争,改变温度可使自旋转变材料在低自旋态与高自旋态之间转变.文章以自旋转变材料与顺磁金属(如Pt)构成的双层膜系统为研
采用绿色无害的淀粉作为稳定剂合成了纳朱Fe3O4粒子,并用于水中砷(As)的去除.结果 表明,水中砷主要存在形式为As(Ⅲ)和As(Ⅴ).Fe3O4纳米粒子对As(Ⅲ)和As(Ⅴ)都有良好的去除
针对不平衡数据采样算法效率低及分类效果不理想等问题,提出一种基于三支决策的三支等价粒混合采样算法(3EG-HS).利用二元关系粒化不平衡数据集,实现三支等价粒划分,形成正等
多尺度信息系统是一种特殊的信息系统,其属性的取值存在多个尺度.现有的研究只讨论了每个对象在一个属性的各个尺度上取一个值的信息系统.但是,在一些实际的数据集中,对象的