多元时间序列医疗数据上的有效异常活动检测
机器学习
2023-09-13 v1 人工智能
摘要
从多个传感器收集的多元时间序列 (MTS) 数据在智能医疗场景中为准确的异常活动检测提供了潜力。然而，异常呈现出多样模式并在 MTS 数据中变得难以察觉。因此，实现准确的异常检测具有挑战性，因为我们必须同时捕获时间序列的时间依赖性与变量间的相互关系。为解决此问题，我们提出一种基于残差的异常检测方法 Rs-AD，用于有效的表示学习与异常活动检测。我们在真实世界的步态数据集上评估了我们的方案，实验结果展示了 0.839 的 F1 分数。
引用
@article{arxiv.2309.05845,
title = {Effective Abnormal Activity Detection on Multivariate Time Series Healthcare Data},
author = {Mengjia Niu and Yuchen Zhao and Hamed Haddadi},
journal= {arXiv preprint arXiv:2309.05845},
year = {2023}
}
备注
Poster accepted by the 29th Annual International Conference On Mobile Computing And Networking (ACM MobiCom 2023)