基于深度学习的大数据异常检测方法研究

单 彩云
南京传媒学院传媒技术学院

摘要


本文针对大数据异常检测关键问题开展系统性研究，采用深度学习技术构建自编码器、循环神经网络及生成对抗网络模型，通过多层非线性映射、隐含空间重构及序列预测实现高维数据特征抽取与异常样本精准判定。模型利用反向传播、梯度下降、正则化约束、批量归一化及Dropout机制优化参数收敛，显著缓解噪声干扰和维数灾难。实验证明三模在降维、密度拟合、时序建模及对抗机制下呈优性能，为风控、网安及监控提供预警支撑力卓越。

关键词


深度学习；大数据；异常检测

全文:

PDF


参考


[1]王玲玲，李昕，邢鲁民，等.基于数据融合长短期记忆的大型医疗设备异常检测模型研究[J].中国医学装备，2023，20（04）：134-138.

[2]张靖，孙文举，尼文斌，等.基于深度学习的风洞天平测力试验数据异常检测方法研究[J].实验流体力学，2022，36（06）：67-73.

[3]李娟，李海瑛，边玲，等.基于跨模态深度度量学习的时序数据异常检测[J].计算机仿真，2022，39（10）：533-537.

[4]刘洪瑞.基于深度学习的时序数据异常检测方法研究[J].黑龙江科学，2025，16（04）：91-93.

[5]王明泉.基于深度学习的大数据系统日志异常检测方法研究[D].北京交通大学，2023.


Refbacks

  • 当前没有refback。