基于层级自适应注意力与Mamba结合的时间序列异常检测方法及系统

本发明公开了一种基于层级自适应注意力与Mamba相结合的时间序列异常检测方法。该方法提出一种多粒度令牌路由策略，该策略在时间上下文中动态分配计算资源，自适应地将处理能力集中在信息段上，同时保持更广泛的感知，使注意力计算能够根据输入数据的复杂度动态聚焦在不同的时间尺度和模式上；该方法还对Mamba进行改进，使其参数能够根据输入序列特性动态调整，有效地模拟长距离依赖关系，同时增强对非线性时间模式的建模能力。在异常分数计算过程中包括三个阶段：重建误差计算、误差归一化和分层分数融合。与使用固定阈值的传统方法不同，本发明所构建的自适应阈值选择策略考虑了时间上下文和数据集特征，提高了异常检测的效率和精度，为时间序列异常检测的发展提供了有效支持。