公开(公告)号：CN117235572B

公开(公告)日：2024-02-27

申请号：CN202311143311.9

申请日：2023-09-06

Applicant: 电子科技大学

Inventor： 刘赟卓 ,  田智文 ,  刘乐源 ,  禚明 ,  陈君益 ,  周世杰

IPC: G06F18/24 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种基于时空信息的多元时间序列异常检测方法，包括获取多元时间序列并进行滑动窗口采样，N维时间序列标记为A1～AN；构建一异常检测网络，包括时间信息提取模块、图结构学习模块、空间信息提取模块、预测输出模块、异常评分模块；用异常检测网络分别进行时间特征提取、图结构学习、空间信息提取、计算预测变量；计算风险最小化函数，并多次重复上述步骤训练异常检测网络得到训练好的异常检测模型，并用于多元时间序列的异常检测。本发明同时捕获序列时序信息与序列间依赖信息，能够更好地从训练数据中学习预测数据正常行为并提升异常检测效果，具有良好的检测准确度与较高的运算速度。

公开(公告)号：CN117235572A

公开(公告)日：2023-12-15

申请号：CN202311143311.9

申请日：2023-09-06

Applicant: 电子科技大学

Inventor： 刘赟卓 ,  田智文 ,  刘乐源 ,  禚明 ,  陈君益 ,  周世杰

IPC: G06F18/24 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种基于时空信息的多元时间序列异常检测方法，包括获取多元时间序列并进行滑动窗口采样，N维时间序列标记为A1～AN；构建一异常检测网络，包括时间信息提取模块、图结构学习模块、空间信息提取模块、预测输出模块、异常评分模块；用异常检测网络分别进行时间特征提取、图结构学习、空间信息提取、计算预测变量；计算风险最小化函数，并多次重复上述步骤训练异常检测网络得到训练好的异常检测模型，并用于多元时间序列的异常检测。本发明同时捕获序列时序信息与序列间依赖信息，能够更好地从训练数据中学习预测数据正常行为并提升异常检测效果，具有良好的检测准确度与较高的运算速度。

公开(公告)号：CN116994042A

公开(公告)日：2023-11-03

申请号：CN202310866764.8

申请日：2023-07-14

Applicant: 电子科技大学

Inventor： 陈君益 ,  刘乐源 ,  禚明 ,  田智文 ,  周世杰

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/09 ,  G06N3/094

Abstract: 本发明属于机器学习和图数据处理技术领域，具体公开了一种融合图神经网络与可解释性机制的图分类方法及系统，包括：基于原始的图数据结构进行数据增强，生成增强的图表示，然后利用预训练的神经网络学习这些增强的图表示，最后输出图表示HIB；将输出的图表示HIB被送至下游贝叶斯网络模型中进行对抗训练，包括数据扰动和参数扰动；在对抗训练后，利用图标签Y进行模型训练，完成模型微调，将待测样本输入到微调后的模型中进行多次贝叶斯预测，并根据这些预测结果分布计算预测结果的不确定性，完成图分类。本发明方法通过在图神经网络和可解释性机制的基础上，引入自我监督学习、对抗学习和贝叶斯学习的策略，是一种高效、可解释、稳定的图分类方案。