摘要
本发明属于信息安全与信号处理技术领域,特别涉及一种基于时序错位分析的多模态异常检测方法及系统,该方法通过同步采集多模态时序信号并标准化时间戳,检测或注入时序锚点事件。设置多时间尺度窗口,以锚点为基准计算模态间时序错位特征向量,聚合形成多尺度特征集并生成综合一致性评分。基于历史特征向量序列计算稳定性评价得分,利用正常样本通过流形学习构建时序错位流形模型。将多尺度特征向量映射到模型嵌入空间并计算与统计边界的距离,融合多尺度距离、综合一致性评分及稳定性得分,按预设规则判定异常。能自学每个设备与场景组合的正常时序指纹,从而能区分固有正常偏移与异常偏移,不易受内容伪装误导。
技术关键词
时序
异常检测方法
错位
锚点
多模态
流形学习算法
信号
非线性流形学习
序列
时延
多尺度特征
外部设备
事件检测算法
融合方法
高维特征向量
异常检测系统
动态时间规整
多时间尺度
时间偏移量
系统为您推荐了相关专利信息
多模态数据融合
多维特征向量
智能检测方法
加权有向图
识别标签
影像检索方法
深度相似性网络
局部敏感哈希算法
多模态特征融合
影像检索系统
多模态传感器
液态金属导电填料
可穿戴健康监测
摩擦电效应
亲水性聚合物
机电设备
机器学习模型
联动规则
控制单元
混合组网方式