典型文献
基于VAE-WGAN的多维时间序列异常检测方法
文献摘要：
针对传统半监督深度异常检测模型对非平衡多维数据分布学习能力不足及模型训练困难等问题,提出一种基于VAE-WGAN架构的多维时间序列异常检测方法,利用VAE作为WGAN的生成器,使用Wasserstein距离作为模型拟合分布与待测数据真实分布之间的度量,学习复杂的高维数据分布.利用滑动窗口划分时间序列,使用正常序列数据训练模型;根据待测序列在训练好的模型中的异常得分,结合自适应阈值技术进行异常判定.实验表明,该方法具有模型容易训练且稳定性强的特点,并且在精确率、召回率?F1值等异常检测性能指标上,比现有的生成式异常检测模型有明显提升.
文献关键词：
时间序列数据;变分自编码器;Wasserstein生成对抗网络;异常检测
中图分类号：
作者姓名：
段雪源;付钰;王坤
作者机构：
海军工程大学信息安全系,湖北 武汉 430033;信阳师范学院计算机与信息技术学院,河南 信阳 464000;信阳职业技术学院数学与信息工程学院,河南 信阳 464000
文献出处：
引用格式：
[1]段雪源;付钰;王坤-.基于VAE-WGAN的多维时间序列异常检测方法)[J].通信学报,2022(03):1-13
A类：
B类：
VAE,WGAN,多维时间序列,异常检测方法,半监督,检测模型,非平衡,多维数据,数据分布,模型训练,生成器,Wasserstein,模型拟合,拟合分布,高维数据,滑动窗口,数据训练,训练模型,练好,自适应阈值,精确率,召回率,检测性能,生成式,时间序列数据,变分自编码器,生成对抗网络
AB值：
0.356892
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。
