一种基于相似性自编码器的时序异常检测方法

本发明涉及一种基于相似性自编码器的时序异常检测方法，包括采集系统在正常运行状态下的多测点监测数据，进行预处理后构建数据集；构建编码器‑解码器架构的参数化自编码器；将数据集输入到自编码器中进行相似性自编码；设计复合损失函数，并采用梯度下降算法优化模型参数；通过步骤S4的复合损失函数计算训练样本的均方误差。本发明提出的一种基于相似性自编码器的时序异常检测方法，通过将相似性建模过程深度集成至自编码架构，为表征学习过程引入了基于相似性原理的归纳偏置，提升模型的检测精度。并将数据自编码和相似性建模的有机融合，促使异常数据在重构空间中产生显著可区分的误差偏移，提高时序异常检测任务中的泛化性。