一种异构双向生成对抗网络模型及时间序列异常检测方法

摘要

本发明涉及一种异构双向生成对抗网络模型及时间序列异常检测方法，它包括生成器G用于对时间序列的特征学习，从随机噪声中生成与真实数据相似的异常数据并输入到判别器D中进行判断，实现由潜在生成空间到原始数据空间的映射；编码器E用于计算所述生成器G的重构误差；判别器D用于不同模式的识别与区分，判别生成器G生成的数据为正常数据还是异常数据。本发明通过改进的异常值函数充分结合生成器的异常重构误差与判别器的分类误差，改善了异常值函数的性能，提高了检测精度；最后，依托改进的双向生成对抗网络编码器‑生成器‑判别器架构能够改进生成器的重构误差计算复杂度和准确性，提高异常检测速度。