龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京航空航天大学
摘要：本发明公开了一种物联网时序数据异常检测方法及系统。所述方法包括：获取待测试的物联网时序数据；对待测试的物联网时序数据进行划分得到待测试时间序列数据段集；将待测试时间序列数据段集输入至训练好的半监督自编码模型中得到检测结果；训练好的半监督自编码模型是以无标记的物联网时序数据、有标记的物联网时序数据待训练的物联网时序数据为输入，以对应的类标签为输出，以损失函数最小为目标对基于LSTM和注意力机制的半监督自编码器模型进行训练得到的。本发明能在提高时序数据异常检测的准确度的同时，降低成本。
主权项：1.一种物联网时序数据异常检测方法，其特征在于，包括：获取待测试的物联网时序数据；所述待测试的物联网时序数据为待测试的物联网管理数据、待测试的网络利用率或待测试的网络流量；对所述待测试的物联网时序数据进行划分得到待测试时间序列数据段集；将所述待测试时间序列数据段集输入至训练好的半监督自编码模型中，得到检测结果；所述训练好的半监督自编码模型是以待训练的物联网时序数据为输入，以对应的类标签为输出，以损失函数最小为目标对基于LSTM和注意力机制的半监督自编码器模型进行训练得到的；所述待训练的物联网时序数据包括无标记的物联网时序数据和有标记的物联网时序数据；所述损失函数为 其中，xu为无标记的物联网时序数据；x'u为xu经过基于LSTM和注意力机制的半监督自编码器模型重构后的样本数据；为有标记的物联网时序数据中的正常样本数据；为有标记的物联网时序数据中的异常样本数据；为经过基于LSTM和注意力机制的半监督自编码器模型重构后的样本数据；为经过基于LSTM和注意力机制的半监督自编码器模型重构后的样本数据；η为有标记的物联网时序数据在损失函数中占的权重。
全文数据：
权利要求：
百度查询： 南京航空航天大学 一种物联网时序数据异常检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号