基于时频融合的时序异常检测方法

本发明提出一种基于时频融合的时序异常检测方法，属于时序数据异常检测领域。针对多变量时序数据中变量之间存在潜在关联以及传统方法未考虑到频域特征的问题，提出一种基于时频融合的时序异常检测方法。本发明创新性地将时域数据和频域数据两种不同模态的数据通过斯皮尔曼相关系数分别计算得到时域相似度矩阵和频域相似度矩阵，然后通过点乘的方式进行融合，使用图神经网络挖掘不同变量之间的潜在关系，使用时序图神经网络同时捕获时间依赖性和空间关系，能更好地提取时序数据的特征。将所提的网络模型应用于多变量时序数据的异常检测，能达到提升精确率的目的，实验结果验证了所提方法的有效性。