数字通信世界杂志

摘要：在实际场景中，时序数据常受传感器误差、环境干扰等噪声影响，导致网络监测误报率较高。为此，设计基于概率模型和主成分分析的多变量时序数据网络监测框架。采用滑动窗口算法划分原始数据集，利用主成分分析将高维数据集变换到低维空间；使用一维膨胀卷积提取不同层次时序特征，并自适应调整权重进行融合。基于概率模型构建网络时序矩阵。采用LSTM构建监测框架，实现多变量时序数据的有效监测。实验结果表明：所提方法的平均loss值为0.296，误差降低率为4.40%，在一定程度上降低了监测误差。

关键词： 概率模型;主成分分析;多变量时序数据;网络监测;

专辑： 信息科技

专题： 互联网技术

分类号： TP393.08