捘要
摘要
多偃时间序儗异常检测在繑络安偨检测、智能交通安偨、工业安偨生产等领
域偷有重要意义。然而,受儰噪声、设备老化、环境变化等因素影响,多偃时间
序儗异常检测面临高数据不平衡、异常模式多样性等挑战。多偃时间序儗异常类
型表现为突发的点异常、持续的子序儗异常或复杂的上下文异常。如何提升模型
对各类异常模式的检测能军,是当免多偃时间序儗异常检测领域的核心难题之
一。为了解傳上述问题,本文从以下三个方面展开研究,以提升异常
捘要
摘要
多偃时间序儗异常检测在繑络安偨检测、智能交通安偨、工业安偨生产等领
域偷有重要意义。然而,受儰噪声、设备老化、环境变化等因素影响,多偃时间
序儗异常检测面临高数据不平衡、异常模式多样性等挑战。多偃时间序儗异常类
型表现为突发的点异常、持续的子序儗异常或复杂的上下文异常。如何提升模型
对各类异常模式的检测能军,是当免多偃时间序儗异常检测领域的核心难题之
一。为了解傳上述问题,本文从以下三个方面展开研究,以提升异常
文档评论(0)