[发明专利]一种融合LSTM和GAN的时间序列数据异常检测方法在审
| 申请号： | 201910809956.9 | 申请日： | 2019-08-29 |
| 公开（公告）号： | CN110598851A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 赵洪博;刘浩强;朱光轩;孙超;贺治钧;张文峰;冯文全 | 申请（专利权）人： | 北京航空航天大学合肥创新研究院 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06Q10/04 |
| 代理公司： | 34115 合肥天明专利事务所(普通合伙) | 代理人： | 金凯 |
| 地址： | 230013 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种融合LSTM和GAN的时间序列数据异常检测方法，属于信息通信技术领域，包括对生成对抗网络模型中鉴别器网络结构和生成器网络结构进行优化；根据优化后的生成器网络结构和优化后的鉴别器网络结构，搭建异常检测模型，该优化后的鉴别器网络结构可实现时序数据时序特征提取；对异常检测模型进行训练和验证，确定异常检测模型的参数；利用确定参数后的异常检测模型对采集的时序数据进行处理，得到异常序列数据检测结果。本发明采用LSTM和GAN模型实现了对时间序列数据的异常检测，能有效、精确地检测出异常序列。 | ||
| 搜索关键词： | 网络结构 异常检测模型 鉴别器 时间序列数据 时序数据 异常检测 异常序列 生成器 优化 数据检测结果 信息通信技术 模型实现 时序特征 网络模型 采集 验证 融合 对抗 检测 | ||
【主权项】：
1.一种融合LSTM和GAN的时间序列数据异常检测方法，其特征在于，包括：/n对生成对抗网络模型中鉴别器网络结构和生成器网络结构进行优化；/n根据优化后的生成器网络结构和优化后的鉴别器网络结构，搭建异常检测模型，该优化后的鉴别器网络结构可实现时序数据时序特征提取；/n对异常检测模型进行训练和验证，确定异常检测模型的参数；/n利用确定参数后的异常检测模型对采集的时序数据进行处理，得到异常序列数据检测结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航空航天大学合肥创新研究院，未经北京航空航天大学合肥创新研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910809956.9/，转载请声明来源钻瓜专利网。
