.png){kind=icon}
返回
An unsupervised multivariate time series anomaly detection method
.png){kind=icon}
PRE
AI
DOI：10.1016/j.measurement.2026.121629.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种UMK无监督框架，用于多变量时间序列异常检测，具有动态时空建模和图注意力机制。• 在NIPS_TS_SWAN数据集上实现了25%的AUROC提升，并在六个基准数据集的AUROC和AUPRC指标上超越了当前最优方法。• 删减实验验证了动态时空图混合专家网络等组件的关键作用；超参数实验证明模型在不同配置下具有良好的稳定性。• 能够有效捕捉多变量时间序列中的复杂模式，处理实体间的时序相关性和动态依赖关系，并适用于多个领域的真实数据场景。
Keyword:
UMK framework
multivariate time series
anomaly detection
graph attention
dynamic spatiotemporal modeling
