《表3 不同方法的异常检测结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于LSTM自动编码机的工业系统异常检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验结果见表3。可以看出，Bi LSTM-AE明显优于OC-SVM，而与iForest比较，BiLSTM-AE虽然在总体精度上略优于iForest，但是在异常的识别率和AUC值上要明显优于iForest。LSTM-AE虽然在异常识别率和AUC值上优于OC-SVM和iForest，但同时误判率也有增高，导致ACC略有下降。Bi LSTM-AE通过引入双向LSTM网络改进了LSTM-AE，因此BiLSTM-AE较LSTM-AE在TPR、ACC、AUC 3个指标上都有提高。这说明本方法能更好地发现高容量、高维度的时序数据中的潜在特征和模式，因此更容易发现潜在的异常。