【技术实现步骤摘要】
本专利技术涉及数据异常检测，具体涉及基于多头图注意力网络的多元时间序列数据异常检测方法。
技术介绍
1、自主移动平台(amp)发展迅速，其应用领域也日益多样化。例如，amp可用于农业作物监测和森林管理。在娱乐方面，amp可以用于空中拍摄电影、电视节目和体育赛事。在物流领域，无人机可以快速高效地运送物资，这在紧急情况下是不可替代的。尽管amp在许多场景中都有许多优点，但如果它们异常则会产生严重的不利影响。为了保证amp的可靠运行，分析车载传感器设备产生的数据(如辐射、温度、功率)是确定amp运行状态和识别amp潜在故障的关键方法。在现代农场中，机器人传感器数据缺乏异常检测，可能会因碰撞而对机器人和植物造成损害。
2、研究者通常收集多元时间序列数据来监测amp的健康状况，单变量时间序列数据异常检测算法可以识别单个变量数据中的异常，但是它们可能不足以确定整个amp是否正常运行。在这种情况下，多元时间序列数据异常检测算法可以分析不同时间序列数据之间的关系，并检测出可能难以从单个变量中检测到的异常。这是因为多元时间序列数据异常检测算法...
【技术保护点】
1.一种基于多头图注意力网络的多元时间序列数据异常检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于多头图注意力网络的多元时间序列数据异常检测方法，其特征在于，所述基于所述多元时间序列数据的时间特性和变量关系，利用多头图注意力网络对所述多元时间序列数据进行处理，将处理后的数据与所述多元时间序列数据进行特征融合获得全局映射特征，包括：
3.根据权利要求2所述的基于多头图注意力网络的多元时间序列数据异常检测方法，其特征在于，基于每个节点的相邻节点的特征向量和对应的注意力权重，获得多头GAT的特征，包括：
4.根据权...
【技术特征摘要】
1.一种基于多头图注意力网络的多元时间序列数据异常检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于多头图注意力网络的多元时间序列数据异常检测方法，其特征在于，所述基于所述多元时间序列数据的时间特性和变量关系，利用多头图注意力网络对所述多元时间序列数据进行处理，将处理后的数据与所述多元时间序列数据进行特征融合获得全局映射特征，包括：
3.根据权利要求2所述的基于多头图注意力网络的多元时间序列数据异常检测方法，其特征在于，基于每个节点的相邻节点的特征向量和对应的注意力权重，获得多头gat的特征，包括：
4.根据权利要求3所述的基于多头图注意力网络的多元时间序列数据异常检测方法，其特征在于，对所述多头gat的特征进行高级特征融合获得全局映射特征，包括：
5.根据权利要求4所述的基于多头图注意力网络的多元时间序列数据异...
【专利技术属性】
技术研发人员：马宇翔，陶晓东，马慧杰，陈涛，韩道军，
申请(专利权)人：河南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。