首页> 中国专利> 使用无监督深度神经网络的多维时序数据实时异常检测方法

使用无监督深度神经网络的多维时序数据实时异常检测方法

页面导航

摘要
著录项
相似文献

摘要

本发明提供的一种使用无监督深度神经网络的多维时序数据实时异常检测方法可以分为两个阶段，分别为训练阶段和检测阶段。训练阶段需要利用历史采集的数据训练模型，拟合出符合这一应用场景的监测系统。在检测阶段，在真实数据产生之前，提前预测出接下来要到达的数据，根据真实到达的数据与预测数据之间的差异判断是否异常。一旦新到达的数据与预测数据之间的距离大于系统设定的阈值，判断该时刻采集的数据为异常数据，并发出异常提醒。本发明融合多种深度学习模型的优点，建立了一个自动实时检测多维时间序列中异常事件的模型。本发明具有很好的可扩展性，适用于多种场景下的多维时间序列异常检测。

著录项

公开/公告号CN113568774A

专利类型发明专利
公开/公告日2021-10-29

原文格式PDF
申请/专利权人东华大学;
展开▼

申请/专利号CN202110848400.8
发明设计人赵培海;王咪咪;常晓燕;
展开▼

申请日2021-07-27
分类号G06F11/07(20060101);G06N3/04(20060101);G06N3/08(20060101);
代理机构31001 上海申汇专利代理有限公司;
代理人翁若莹;柏子雵
地址 201600 上海市松江区人民北路2999号
入库时间 2023-06-19 13:02:24

相似文献

专利
中文文献
外文文献

1. 使用无监督深度神经网络的多维时序数据实时异常检测方法 [P] . 中国专利： CN113568774A . 2021-10-29
2. 基于视频的无监督异常事件实时检测方法 [P] . 中国专利： CN105227907B . 2018.07.27
3. UNSUPERVISED METHOD FOR BASELINING AND ANOMALY DETECTION IN TIME-SERIES DATA FOR ENTERPRISE SYSTEMS [P] . US2021320939A1 . 2021-10-14

机译：企业系统时序数据中的基线和异常检测的无监督方法
4. Methods of unsupervised anomaly detection using a geometric framework [P] . 美国专利： US9306966B2 . 2016-04-05

机译：使用几何框架的无监督异常检测方法
5. Methods of unsupervised anomaly detection using a geometric framework [P] . 美国专利： US2015058982A1 . 2015-02-26

机译：使用几何框架的无监督异常检测方法