融合雙重注意力機制的時間序列異常檢測模型

摘要： 時間序列異常檢測作為時間序列研究的重要組成部分，已經(jīng)引起學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注和研究。針對時間序列數(shù)據(jù)中蘊含的深層局部特征和復(fù)雜的前后依賴關(guān)系，提出一種融合雙重注意力機制的異常檢測模型。該模型采用自編碼器結(jié)構(gòu)，由擠壓激勵注意力模塊（SEAB）和概率稀疏自注意力模塊（PSAB）組成編碼器。SEAB通過利用動態(tài)加權(quán)窗口劃分，為具有強可辨識性的子序列片段賦予更大的權(quán)重，使模型能夠更...