典型文献
融合统计方法和双向卷积LSTM的多维时序数据异常检测
文献摘要：
通过数据分析进行异常检测,有助于准确识别异常行为,从而提高服务质量和决策能力.然而,由于多维时序数据的时空依赖性以及异常事件发生的随机性,现有方法仍然存在一定的局限性.针对上述问题,提出一种融合新型统计方法和双向卷积LSTM的多维时序数据异常检测方法MBCLE.该方法引入堆叠的中值滤波处理输入数据中的点异常并平滑数据波动;设计双向卷积长短期记忆网络(Bi-ConvLSTM)和双向长短期记忆网络(Bi-LSTM)相结合的预测器进行数据建模和预测;通过双向循环指数加权移动平均(BrEWMA)平滑预测误差;使用动态阈值方法计算阈值以检测上下文异常.实验结果表明,MBCLE具有良好的检测性能,各步骤均对性能提升有所贡献.
文献关键词：
多维时序数据;异常检测;长短期记忆网络;中值滤波
中图分类号：
作者姓名：
夏英;韩星雨
作者机构：
重庆邮电大学计算机科学与技术学院,重庆400065
文献出处：
引用格式：
[1]夏英;韩星雨-.融合统计方法和双向卷积LSTM的多维时序数据异常检测)[J].计算机应用研究,2022(05):1362-1367,1409
A类：
MBCLE,BrEWMA
B类：
统计方法,多维时序数据,数据异常检测,准确识别,异常行为,决策能力,时空依赖性,异常事件,随机性,异常检测方法,堆叠,中值滤波,滤波处理,输入数据,点异常,卷积长短期记忆网络,Bi,ConvLSTM,双向长短期记忆网络,预测器,数据建模,双向循环,指数加权移动平均,预测误差,动态阈值,上下文,检测性能,性能提升
AB值：
0.298286
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
