摘要
本发明提出了一种基于改进Transformer的KPIs异常检测方法。属于网络系统运维技术领域。首先,利用LSTM、FFT和GAT提取KPIs的时间、频域和空间特征,并使用注意力机制进行特征融合。然后,利用改进的Transformer模型对KPIs时频空特征进行重构。改进的Transformer模型采用带有门控机制的残差网络连接以提高异常检测的准确率,同时引入对比学习思想以增强模型在噪声方面的鲁棒性。最后,利用SPOT算法识别异常的KPIs,提升了KPIs的异常检测效果。
技术关键词
异常检测方法
重构误差
序列
时域特征
频域特征
注意力机制
融合特征
长短期记忆网络
运维技术
网络系统
关系
矩阵
鲁棒性
线性
算法
节点
系统为您推荐了相关专利信息
增生性玻璃体视网膜病变
基因
试剂盒
序列
寡核苷酸
识别方法
知识图谱构建
数据
置信度阈值
标签文件
传送带
传感组件
输送控制方法
干渣机
人工智能识别
配电网故障自愈
动态演化模型
决策
新能源出力预测误差
检测配电网故障