用于 ESA 卫星遥测异常检测的分层集成流水线
机器学习
2026-05-12 v1 计算机视觉与模式识别
摘要
为解决欧洲空间局（ESA）提供的多变量遥测数据异常检测问题，我们引入了一种分层集成流水线。该方法集成了基于 shapelet 的特征提取与统计特征提取、逐通道建模、通道内堆叠以及最终的跨通道聚合。该流水线使用时间序列交叉验证和两级掩码策略进行训练和验证，以防止信息泄漏。在欧洲空间局异常检测基准挑战赛上的结果展示了强大的泛化能力，突显了分层建模在检测真实卫星遥测中细微异常的有效性。
引用
@article{arxiv.2605.06681,
title = {A Hierarchical Ensemble Pipeline for Anomaly Detection in ESA Satellite Telemetry},
author = {Lorenzo Riccardo Allegrini and Geremia Pompei},
journal= {arXiv preprint arXiv:2605.06681},
year = {2026}
}
备注
15 pages, 3 figures, 1 table. Submitted to the ML4ITS workshop at the ECML PKDD 2025 conference. Awarded 2nd place in the final round of the Spacecraft Anomaly Challenge on ESA dataset. (Ranked 1st on the Kaggle public leaderboard and 3rd on the private leaderboard)