声明
摘要
1绪论
1.1研究背景及意义
1.2研究现状
1.2.1基于概率统计的异常检测
1.2.2基于有监督机器学习的异常检测
1.2.3基于无监督机器学习的异常检测
1.2.4研究现状总结
1.3论文主要内容
1.4论文结构
2时序数据异常检测概述
2.1云数据中心时序KPI数据
2.1.1云数据中心
2.1.2时序KPI数据
2.2深度学习与异常检测
2.2.1深度学习介绍
2.2.2异常检测介绍
2.3异常检测方法
2.3.1Opprentice异常检测框架
2.3.2Donut算法
2.4本章小结
3CNN-BiLSTM-Attention异常检测算法
3.1卷积神经网络
3.1.1局部感知
3.1.2参数共享
3.1.3多卷积核
3.1.4池化
3.2循环神经网络
3.2.1基本循环神经网络
3.2.2双向循环神经网络
3.2.3LSTM神经网络
3.3注意力机制
3.4基于特征融合的异常检测算法
3.4.1模型网络结构
3.4.2异常检测
3.5本章小结
4VAE-BiLSTM异常检测算法
4.1编码器
4.1.1自动编码器
4.1.2稀疏自动编码器
4.1.3变分自动编码器
4.2预测器网络
4.3基于VAE-BiLSTM无监督异常检测算法
4.3.1模型结构
4.3.2异常检测
4.4本章小结
5实验及分析
5.1实验环境和配置
5.2实验数据和评价指标
5.2.1实验数据
5.2.2评价指标
5.3实验与结果分析
5.3.1基于CNN-BiLSTM-Attention的异常检测算法
5.3.2基于VAE-BiLSTM的异常检测算法
5.3.3分析与对比
5.4本章小结
6总结与展望
参考文献
个人简历、在校期间发表的学术论文与研究成果
致谢
郑州大学;