基于贝叶斯网络的多元时间序列异常检测方法技术

本发明专利技术公开了一种基于贝叶斯网络的多元时间序列异常检测方法，属于数据异常检测领域，通过贝叶斯网络与Graphormer模型相关算法，对工业数据库与通信吞吐量数据中的异常数据进行清洗，有效提工业运营效率和通信数据安全。对于多元时间序列具有更高的准确率、普适性广，采用机器学习的方法能够对于不同种类的工业数据进行检测，不需要限制数据特点、实时性强，能够实时检测和动态更新数据异常情况，及时发现网络问题。

【技术实现步骤摘要】

本专利技术涉及数据异常检测，特别涉及一种基于贝叶斯网络的多元时间序列异常检测方法。

技术介绍

1、高维度时间序列数据在无线通信、工业应用程序和医疗保健等各个领域正变得越来越普遍。然而，由于其复杂的时间依赖、高维度和标签稀缺，检测这类数据中的异常具有挑战性。在此背景之下，大规模工业传感器数据需要有效的数据异常检测算法，为人工智能等新兴数据应用技术清除应用障碍，这对提高工业生产效率、通信产业安全具有重要意义。

2、在高速发展的大数据时代，数据中往往是时间序列的，这意味着数据中当前的值受到早期值的影响，而不是独立的。同时，不同属性元之间潜在的空间因果关系利用传统的基于变分自编码器(vae)使用重构误差作为异常分数、基于深度自编码高斯混合模型(dagmm)检测密度的方法，都不能很好的将数据中时间信息与元间空间因果关系有效融合，致使异常检测误差率大，不能很好的维护系统运行。

技术实现思路

1、本专利技术提供一种基于贝叶斯网络的多元时间序列异常检测方法，对比传统方法，该方法对于多元时间序列具有更高的准确率、普本文档来自技高网...

【技术保护点】

1.一种基于贝叶斯网络的多元时间序列异常检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤2具体包括：

3.根据权利要求1所述的方法，其特征在于，步骤3具体包括：

4.根据权利要求1所述的方法，其特征在于，步骤4具体包括：

5.根据权利要求1所述的方法，其特征在于，步骤5具体包括：

【技术特征摘要】

1.一种基于贝叶斯网络的多元时间序列异常检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤2具体包括：

3.根据权利要求1所...

【专利技术属性】
技术研发人员：谭泽宇，詹行，黄永明，徐莹，
申请(专利权)人：东南大学，
类型：发明
国别省市：