一种融合时频空特征的不稳定时间序列异常检测方法、装置、计算机可读存储介质以及电子设备

AITNT
正文
推荐专利
一种融合时频空特征的不稳定时间序列异常检测方法、装置、计算机可读存储介质以及电子设备
申请号:CN202411884308
申请日期:2024-12-19
公开号:CN119862511A
公开日期:2025-04-22
类型:发明专利
摘要
本申请涉及一种融合时频空特征的不稳定时间序列异常检测方法。本方法包括:对训练集中的时间序列样本进行数据预处理;进行时域特征、频域特征和空域特征提取;通过变换使时频空特征转换到同一维度,进行拼接操作,获得融合特征;基于重构加预测的方式,计算异常分数;基于异常分数构造误差序列,对误差序列进行平滑处理,使用均值和标准差计算动态阈值;进行异常检测时,先对测试数据进行窗口划分,然后输入训练好的模型,计算异常分数,根据动态阈值判断该测试数据是否存在异常。本方法能够更加全面地捕捉和理解数据中的复杂模式和动态变化,有效地检出异常情况,提高异常检测的准确率和可靠性,为保障民航系统的安全运行提供强大的支持。
技术关键词
训练样本数据 频域特征提取 LSTM模型 融合特征 重构 时域特征提取 离散小波变换 数据缺失值 序列 空域特征 长短记忆网络 动态 异常检测装置 民航系统 线性插值法
系统为您推荐了相关专利信息
1
一种基于深度学习的出租车出行需求预测方法及系统
需求预测方法 LSTM神经网络模型 LSTM模型 SSA算法 出租车数量
2
一种电力负荷的混沌相空间神经网络模型安全监测方法
神经网络模型 电力负荷预测模型 风速 序列 混沌相空间重构
3
一种基于特征融合的小目标检测方法及系统
融合特征 输出特征 跨层特征 多尺度特征融合 特征提取模块
4
一种基于过程监督强化学习的代码生成方法
代码生成方法 策略 生成代码 数据 预训练语言模型
5
一种基于大模型的故障根因定位方法、装置、设备及介质
性能指标数据 融合特征 日志 定位方法 多模态
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号