基于时频对比学习的多元时间序列异常检测方法及系统

本发明涉及一种基于时频对比学习的多元时间序列异常检测方法及系统，属于时间序列异常检测技术领域。所述方法包括：采用深度学习框架搭建时频异常检测模型，包括时域编码器、频域编码器、门控特征融合模块、解码器；构造正负样本对引入时间加权、温度调节机制设计对比损失函数；用均方误差作为重构误差度量，设计重构损失函数；得到总损失函数完成模型训练；设计潜在特征驱动的特征分量加权异常判别策略完成模型测试。通过在模型中设置时域编码器、频域编码器，并采用时频对比学习技术增强模型对多维复杂信号的异常模式感知能力，提升检测精度并减少漏报；采用潜在特征驱动的特征分量加权异常判别策略，细化异常检测的粒度，精确识别异常。