公开(公告)号：CN118839280A

公开(公告)日：2024-10-25

申请号：CN202410952257.0

申请日：2024-07-16

Applicant: 杭州电子科技大学

Inventor： 葛岩 ,  樊谨 ,  张心仪 ,  汪哲瑜 ,  邬惠峰 ,  毕彦浩

IPC: G06F18/2433 ,  G06F18/22 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/082 ,  G06N3/0464

Abstract: 本发明公开了一种基于特征分布相似度的时间序列异常检测方法，属于时间序列技术领域，包括数据预处理与分割；将处理后的时间序列作为输入数据通过上下文嵌入和位置嵌入后并行输入至双向GRU重构模块和多尺度卷积稀疏注意力模块进行特征提取，分别得到局部特征和全局特征；通过归一化指数函数和对称的相位KL散度，将得到的局部特征和全局特征分别转化为概率分布和对应概率分布的相似度；利用对比损失函数，缩小局部特征的散度而放大全局特征的散度；完成LGS‑UAD模型在整个数据集上的异常检测任务并获得最终检测结果。本发明采用上述一种基于特征分布相似度的时间序列异常检测方法，能够应对现实环境中及时从大量数据流中检测异常的需求。

公开(公告)号：CN119694117A

公开(公告)日：2025-03-25

申请号：CN202411813552.4

申请日：2024-12-10

Applicant: 杭州电子科技大学

Inventor： 祝苻 ,  樊谨 ,  王佳颖 ,  张心仪 ,  章复嘉 ,  邬惠峰

IPC: G08G1/01

Abstract: 本发明公开了基于深度时空图神经网络的双向交通流动态建模方法，属于智能交通与数据挖掘领域，包括以下步骤：S1、构造交通流动态图，捕获交通流的局部时空依赖性；S2、得到局部时空依赖性之后，使用时间卷积层提取时间特征；S3、得到时间特征后使用选择门来筛选S2中得到的有效信息，得到最终输出；S4、得到S3中的结果后，使用复合图卷积模块提取空间特征；S5、将双向流量融合，并通过预测层得到最终的预测结果；S6、计算模型的损失，确定模型是否符合要求，本发明通过解决现有技术在交通流量预测中面临的双向流量建模不充分、动态依赖性捕获不足以及对复杂交通场景适应性差等问题，从而提升交通流量预测的精度和模型的适用性。

公开(公告)号：CN119557597A

公开(公告)日：2025-03-04

申请号：CN202411707892.9

申请日：2024-11-26

Applicant: 杭州电子科技大学

Inventor： 刘杰 ,  樊谨 ,  张心仪 ,  黄良康 ,  孙丹枫 ,  邬惠峰

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/21 ,  G06N3/045 ,  G06N3/084 ,  G06F123/02

Abstract: 本发明公开了一种基于双流Transformer架构的时间序列分析方法，属于时序分析技术领域，包括：获取多变量时间序列数据集，并对数据集进行预处理和划分；构建TSTNet模型；对TSTNet模型进行初步训练，得到最终特征序列；基于得到的最终特征序列，应用梯度下降方法对损失函数进行优化，完成TSTNet模型的一次训练；对TSTNet模型进行验证；对TSTNet模型进行整体训练；训练完成后，使用测试数据集对TSTNet模型输出的最终特征序列进行评估，得到TSTNet在该数据集上最终的损失得分。本发明采用上述方法，通过构建TSTNet模型明确处理通道间个性与共性的关系，解决不同通道间错综复杂的依赖关系。