基于混合方法的多维时间序列驾驶异常点检测

摘要：

针对传统异常点检测模型难以准确分析汽车驾驶异常行为的情况,建立一种基于自动编码器与孤立森林算法的多维时间序列汽车驾驶异常点检测模型.利用滑动窗口计算原始多维时间序列范数、范数变化率及相关统计信息值提取数据特征,通过自动编码器重构特征数据,并结合孤立森林算法实现异常点检测.实验结果表明,与基于LOF、OCSVM、iForest和LSTM-AE的异常点检测模型相比,该模型的召回率和F1度量值可分别提升至6％和2.4％以上,综合性能更优.

关键词：多维时间序列、异常点检测、自动编码器、孤立森林算法、特征提取

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金U1333109

在线出版日期：2020-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：99-104