基于深度遷移學(xué)習(xí)的多變量時間序列異常檢測

摘要： 多變量時間序列異常檢測是指從相互關(guān)聯(lián)的多個單變量時間序列中識別不正常的事件或行為的過程。現(xiàn)有的多變量時間序列異常檢測方法在應(yīng)用到新領(lǐng)域時，由于樣本分布差異導(dǎo)致檢測性能下降。而重新訓(xùn)練模型需要大量新領(lǐng)域的標(biāo)注數(shù)據(jù)，且不能有效利用源領(lǐng)域的領(lǐng)域知識。針對這一問題，提出了一種基于深度遷移學(xué)習(xí)的多變量時間序列異常檢測框架，該框架設(shè)計(jì)了編碼器-解碼器結(jié)構(gòu)來提取多變量時間序列的特征，同時通過...