VIP8
本课程属于：079-工业时序数据与异常检测 智能机器人、自动化与智能装备工程 · 共 8 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

时序传感器异常检测滑动窗口建模实战

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 异常检测在工业物联网中的价值与典型应…
课程导入学习目标
02
时序数据基础
时间序列的定义 · 成分（趋势 · 季节
时序数据基础时间序列的定义
03
异常检测概述
异常类型（点异常 · 上下文异常 · 集合异常）
异常检测概述异常类型
04
滑动窗口原理
窗口大小 · 步长 · 滑窗操作
滑动窗口原理窗口大小
05
数据预处理
缺失值处理 · 去噪 · 平滑（移动平均
数据预处理缺失值处理
06
特征工程
基于滑动窗口的统计特征 · 频域特征（FFT） · 时序特征（差分
特征工程基于滑动窗口的统…
07
基于统计的方法
3σ原则 · Z-score · Grubbs检验
基于统计的方法3σ原则
08
基于距离的方法
K近邻（KNN）距离 · 局部离群因子（LOF）在滑动窗口中的…
基于距离的方法KNN
09
基于密度的方法
DBSCAN · 孤立森林（Isolation For…
基于密度的方法DBSCAN
10
基于预测的方法
ARIMA · 线性回归 · LSTM等预测模型
基于预测的方法ARIMA
11
基于重构的方法
PCA · 自编码器（Autoencoder）在…
基于重构的方法PCA
12
基于分类的方法
将异常检测转化为二分类问题 · 使用SVM · 随机森林等监督学习
基于分类的方法将异常检测转化为…
13
滑动窗口与深度学习结合
窗口序列作为输入 · CNN · RNN
滑动窗口深度学习结合
14
阈值选择策略
固定阈值 · 动态阈值 · 百分位数
阈值选择策略固定阈值
15
模型评估与验证
时间序列交叉验证 · 滑动窗口下的训练/测试划分 · 避免数据泄漏
模型评估验证
16
实战项目一
使用Python和Pandas实现滑…
实战项目一Python
17
实战项目二
基于PyOD库实现LOF和孤立森林在…
实战项目二PyOD
18
实战项目三
使用TensorFlow/Keras…
实战项目三TensorFlow/K…
19
实战项目四
基于LSTM预测残差的异常检测 · 并对比不同窗口大小的影响
实战项目四LSTM
20
实战项目五
多传感器融合场景下的滑动窗口异常检测…
实战项目五多传感器融合场景…
21
案例解析
工业设备振动传感器数据异常检测完整流… · 特征 · 建模
案例解析工业设备振动传感…
22
案例解析
环境监测（温度 · 湿度）传感器异常检测 · 处理季节性与趋势漂移
案例解析环境监测
23
案例解析
能源消耗时序数据异常检测 · 识别异常用电模式
案例解析能源消耗时序数据…
24
常见问题
窗口大小与步长如何选择？如何平衡实时…
常见问题窗口大小
25
常见问题
数据不平衡 · 标签缺失 · 概念漂移
常见问题数据不平衡
26
常见问题
模型过拟合 · 欠拟合 · 计算资源限制下的优化策略
常见问题模型过拟合
27
模型部署与监控
将训练好的模型部署到边缘设备或云端 · 实现实时异常报警
模型部署监控
28
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化在滑动窗口异常检测模型中的…
超参数调优网格搜索
29
综合提升
设计一个完整的异常检测系统 · 包括数据管道 · 模型选择
综合提升设计一个完整的异…
30
课程总结与展望
回顾核心知识点 · 讨论未来趋势（如在线学习 · 联邦学习
课程总结回顾核心知识点