基于数据增强和双重注意力对比学习的时间序列数据异常检测方法

基于数据增强和双重注意力对比学习的时间序列数据异常检测方法，它属于数据异常检测与深度学习技术领域。本发明解决了采用现有方法获得的检测模型的泛化能力差，导致异常检测的性能差的问题。本发明将原始时间序列数据输入增强网络来学习得到时间序列数据的新视图，增强后的新视图有助于加大异常点与正常点的区分度，提高异常检测的准确率。利用异常点与其他点的联系较弱这一先验，将增强后的时间序列数据输入双重注意力对比学习网络，得到异常检测结果。本发明的双重注意力对比学习网络不仅仅可以对已知异常类型的数据进行检测，对未知类型的异常数据同样可以进行检测，提高了模型异常检测的性能。本发明方法可以应用于时间序列数据异常检测。