基于時(shí)間序列的異常檢測(cè)算法的研究

打開文本圖片集

摘要：在時(shí)間序列數(shù)據(jù)下，針對(duì)傳統(tǒng)的器件故障檢測(cè)技術(shù)對(duì)不同的器件檢測(cè)率低、小樣本數(shù)據(jù)分類不平衡等問(wèn)題，對(duì)數(shù)據(jù)異常檢測(cè)準(zhǔn)確率造成很大的影響。該文構(gòu)建一種機(jī)器學(xué)習(xí)和深度學(xué)習(xí)相結(jié)合的時(shí)間序列異常檢測(cè)算法，針對(duì)時(shí)間序列數(shù)據(jù)分類不平衡問(wèn)題，引入smote算法，使得各類別之間的數(shù)據(jù)達(dá)到均衡狀態(tài)，用Lasso算法進(jìn)行特征選擇，從而得到對(duì)異常檢測(cè)結(jié)果影響較大的特征項(xiàng)，最后，使用基于添加注意力機(jī)制的LSTM網(wǎng)絡(luò)作為異常檢測(cè)分類器，完成基于時(shí)間序列異常檢測(cè)算法的實(shí)現(xiàn)。（剩余5206字）