《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》
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。
图表编号 | XD00150747200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.20 |
作者 | 沈潇军、葛亚男、沈志豪、倪阳旦、吕明琪、翁正秋 |
绘制单位 | 国网浙江省电力有限公司、浙江工业大学、国网浙江省电力有限公司、国网浙江省电力有限公司、浙江工业大学、温州职业技术学院 |
更多格式 | 高清、无水印(增值服务) |