Cross-dataset Time Series Anomaly Detection for Cloud Systems 云系统跨数据集时间序列异常检测
本篇文章是发表于2019的USENIX会议上，文章目的对时间序列进行异常检测，用的迁移学习+主动学习的方式，对7个数据集进行实验。 （1）迁移学习，它将从标记的时间序列数据中学习到的常见异常行为迁移到大量的未标记数据集。通过迁移学习，可以利用数据集之间的共性，并减少目标数据集的标记工作。 （2）主动学习，通过在目标数据集中仅标记少量选定样本来提高检测性能。通过主动学习，具有特定特征的多样化数据可以
相关文章
- 1. 2019 Cross-dataset Time Series Anomaly Detection for Cloud Systems云系统的跨数据集时间序列异常检测
- 2. Time Series Anomaly Detection
- 3. KDD2019 异常检测:Time-Series Anomaly Detection Service at Microsoft
- 4. （十三）Time-Series Anomaly Detection Service at Microsoft 微软时间序列异常检测服务
- 5. 异常检测(Anomaly Detection)
- 6. 异常检测——Anomaly Detection
- 7. MAD-GAN: Multivariate Anomaly Detection for Time Series Data with Generative Adversarial Networks
- 8. （九）Anomaly Detection Based on Convolutional Recurrent Autoencoder for IoT Time Series
- 9. 时间序列异常点检测
- 10. 【异常检测】Anomaly Detection综述
- 更多相关文章...
- • PHP 7 异常 - PHP 7 新特性
- • XSD 日期和时间数据类型 - XML Schema 教程
- • Flink 数据传输及反压详解
- • Docker容器实战(七) - 容器眼光下的文件系统
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 2019 Cross-dataset Time Series Anomaly Detection for Cloud Systems云系统的跨数据集时间序列异常检测
- 2. Time Series Anomaly Detection
- 3. KDD2019 异常检测:Time-Series Anomaly Detection Service at Microsoft
- 4. （十三）Time-Series Anomaly Detection Service at Microsoft 微软时间序列异常检测服务
- 5. 异常检测(Anomaly Detection)
- 6. 异常检测——Anomaly Detection
- 7. MAD-GAN: Multivariate Anomaly Detection for Time Series Data with Generative Adversarial Networks
- 8. （九）Anomaly Detection Based on Convolutional Recurrent Autoencoder for IoT Time Series
- 9. 时间序列异常点检测
- 10. 【异常检测】Anomaly Detection综述