文献类型：期刊文章

作　　者：胡姣姣[1] 王晓峰[1] 张萌[1] 张德鹏[1] 胡绍林[2]

HU Jiaojiao;WANG Xiaofeng;ZHANG Meng;ZHANG Depeng;HU Shaolin(School of Science,Xi'an University of Technology,Xi'an 710054,China;School of Automation,Guangdong University of Petrochemical Technology,Maoming 525000,China)

机构地区：[1]西安理工大学理学院,陕西西安710054 [2]广东石油化工学院自动化学院,广东茂名525000

出　　处：《信息与控制》

基　　金：国家自然科学基金资助项目(61772416;91646108;61473222);陕西省教育厅重点实验室项目(17JS098)

年　　份：2019

卷　　号：48

期　　号：1

起止页码：1-8

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对类间分布不平衡的时间序列数据的异常检测问题,提出了一种基于深度卷积神经网络的检测方法.首先采用抽样法对不平衡时间序列数据进行预处理;其次,将处理后的时间序列数据转换为尺度一致、时长一致的片段;最后将数据送入具有4层隐藏层结构的卷积神经网络模型中进行异常检测.实验结果表明,所提方法弥补了现存的检测技术由于忽略数据分布的偏斜性而造成的少数类检测精度低的缺点,并通过与现有的时间序列分类方法的比较,验证了所提方法的高效性.

关 键 词：时间序列异常检测  不平衡数据学习  深度学习  卷积神经网络

分 类 号：TP311.13] TP183[计算机类]