基于改进生成对抗网络的时序数据异常检测 |
| |
引用本文: | 王德文,潘晓飞,赵红博.基于改进生成对抗网络的时序数据异常检测[J].计算机工程与设计,2024(3):762-768. |
| |
作者姓名: | 王德文 潘晓飞 赵红博 |
| |
作者单位: | 1. 华北电力大学控制与计算机工程学院 |
| |
基金项目: | 河北省自然科学基金面上基金项目(F2021502013);;中央高校基本科研业务费专项资金基金项目(2020MS120); |
| |
摘 要: | 针对时序数据复杂的时间相关性,以及现有异常检测模型存在准确性低、训练不稳定等问题,提出一种结合BiLSTM和WGAN-GP的无监督时序数据异常检测模型。使用BiLSTM作为生成器和判别器的基础网络来捕获时序数据的时间相关性;为保证训练过程的稳定性,使用Wasserstein距离取代原有的衡量方法,在判别器损失中加入梯度惩罚项;将重构损失与判别损失相结合定义异常函数,采用局部自适应阈值方法判别异常,提高异常检测的准确性。为验证模型性能,在涉及多个领域的5类数据集上进行实验,其结果表明,该模型相比于Arima、LSTM等模型具有最高的平均F1分数。
|
关 键 词: | BiLSTM WGAN-GP 时间相关性 稳定性 无监督 时序数据 异常检测 |
|
|