一种基于耦合网络的多变量时序数据异常检测方法

本发明公开了一种基于耦合网络的多变量时序数据异常检测方法，涉及对抗学习技术领域。包括获取带标签数据样本和无标签数据样本，将带标签数据样本根据预设的比例进行标签混合，无标签数据样本则需依据特定规则进行组合，形成样本数据集，采用数据规范和数据降维的方式对样本数据集进行预处理，并按照一定比例生成训练数据集，构建深度学习模型，将训练数据集中的原始数据输入深度学习模型中学习数据样本特征，动态调整模型参数，获得训练好的深度学习模型并生成特征数据，比较原始数据与特征数据之间的差异作为异常得分，基于异常得分判断异常数据与差异数据。本发明能够实现基于耦合网络的多变量时序数据异常检测。