基于融合时空数据的车辆加油行为多视图深度异常检测框架

论文摘要

车辆加油时空数据多源异构、关系复杂,现有成熟的异常检测方法难以对时空离散的加油活动数据进行分析,因此提出基于融合时空数据的车辆加油行为多视图深度异常检测框架。首先基于统一概念模型(UCM)对静态信息和动态活动数据进行关联融合管理,然后从空间视图、时间视图和语义视图角度对时空数据进行编码和转换,最后基于三种视图构建深度时空异常分析检测框架。车辆加油时空数据集上的实验结果表明,多种异常检测方法在融合时空数据上均可取得更低均方根误差(RMSE),平均降低10.73%,所提方法比现有主流方法中结果最好的长短时记忆网络(LSTM)的RMSE降低19.36%。在信用卡欺诈公开数据集上的实验结果表明,所提方法较之逻辑回归模型,马修斯系数(MCC)提高了32.78%。以上实验验证了所提方法的有效性。

论文目录

• 0 引言
• 1 相关工作
• 2 基于统一概念模型的时空数据融合建模
•   2.1 统一概念模型构建
•   2.2 图实例数据自动转换
• 3 多视图深度时空异常检测框架
• 4 实验与分析
•   4.1 实验配置
•   4.2 实验数据集
•     4.2.1 车辆加油数据集
•     4.2.2 信用卡欺诈数据集
•   4.3 实验结果与分析
•     4.3.1 车辆加油数据集实验结果分析
•     4.3.2 信用卡欺诈数据集实验结果分析
• 5 结语

文章来源

类型: 期刊论文

作者: 丁景全,马博,李晓

关键词: 时空数据,车辆加油,数据融合,异常检测,深度学习

来源: 计算机应用 2019年11期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,汽车工业,计算机软件及计算机应用

单位: 中国科学院新疆理化技术研究所,中国科学院大学,新疆民族语音语言信息处理实验室

基金: 新疆维吾尔自治区自然科学基金资助项目(2019D01A92)~~

分类号: TP391.41;U473.8;U491

页码: 3370-3375

总页数: 6

文件大小: 881K

下载量: 130