FCAE-Mixer：一种具有双分支混合功能的频率感知卷积自动编码器，用于时间序列异常检测

《Scientific Reports》：FCAE-Mixer: frequency-aware convolutional autoencoder with dual-branch mixing for time series anomaly detection

　　

摘要

复杂时间序列异常检测的核心在于有效提取多维特征。然而，现有方法往往割裂了局部时间特征、全局变量特征和频率域特征之间的协同作用。为此，本文提出了一种能够平衡这些特征的网络模型。该模型创新性地结合了一维卷积自动编码器和多层感知机，分别用于提取局部时间瞬态特征和全局变量的空间映射。此外，引入了FFT-Attention模块来增强对低频谱模式的关注度，同时抑制高频噪声。最后，采用双分支重构误差作为异常判断依据，通过重构误差识别异常样本，这一方法同时利用了时域形态学处理和频域谱处理的优势。在七个基准数据集上的评估结果显示，所提出的方法平均F1分数（未进行点调整）为0.3317，相较于性能较次的基线Transformer（平均F1分数为0.3002）提高了10.50%，证明了多维联合建模在时间序列异常检测中的有效性。