基于深度学习的云数据中心时序数据异常检测方法研究

目录

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