基于注意機(jī)制LSTM-CNN的準(zhǔn)周期時(shí)間序列異常檢測(cè)框架

摘要： 為提升時(shí)間序列異常檢測(cè)方法的通用性與精度，提出一種基于注意機(jī)制LSTM-CNN的準(zhǔn)周期時(shí)間序列異常檢測(cè)框架。該文通過(guò)QTS分割算法將準(zhǔn)周期時(shí)間序列分割成多個(gè)連續(xù)的高質(zhì)量準(zhǔn)周期子序列，提升抗噪聲能力；基于LSTM-CNN模型同時(shí)捕捉準(zhǔn)周期的總體變化趨勢(shì)和局部特征，精確地模擬準(zhǔn)周期的波動(dòng)模式。在4個(gè)公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，提出的方法能夠有效提升序列行為異常檢測(cè)的效果。 （共10頁(yè)）