近日，由福州大学计算机与大数据学院黄维副研究员、西南财经大学数据科学与商业智能联合实验室黄雁勇教授、西华大学计算机与软件工程学院刘佳副教授以及西南财经大学计算机与人工智能学院欧阳小草副教授等合作完成的论文" SEA-FGT: Frequency-Guided Transformer with Semantic Expert Augment for Time Series Anomaly Detection''被数据挖掘领域的顶级国际学术会议KDD2026 Research Track接收。

内容简介

多变量时间序列异常检测是工业监测与智能运维中的关键任务，但其在实际场景中的应用仍面临挑战。一方面，真实世界中的多变量时间序列存在复杂的通道间依赖关系，且异常扰动在时域上往往不明显；另一方面，时间序列的潜在语义与异质性使得基于经验设计的数据增强方法难以同时保证语义一致性和模式多样性。

针对上述问题，本文提出 SEA-FGT，一种结合频率引导 Transformer 和语义专家增强机制的多变量时间序列异常检测方法。该方法利用频率感知建模捕捉稳定的跨通道依赖以及异常相关的频谱扰动，并通过语义专家增强机制实现增强策略与多样化时序语义的自适应匹配。此外，本文从信息论角度对该增强机制进行理论分析，表明其可将多样性准则推广到条件化形式，并建立保真性约束下表示鲁棒性的理论界。多个真实数据集上的实验结果表明，SEA-FGT 在多项评估指标上优于现有最先进方法，进一步实验和可视化分析也验证了其有效性。

作者简介

黄维，福州大学计算机与大数据学院副研究员，主要从事多模态数据融合与分析、联邦学习以及城市计算等领域的研究。

黄雁勇， 西南财经大学数据科学与商业智能联合实验室教授、博士生导师，主要从事Data-centric AI、多模态学习、增量学习等领域的研究。

刘佳，西华大学计算机与软件工程学院副教授，主要从事人工智能、大语言模型、城市计算、数据融合与知识图谱方面的研究。

欧阳小草，西南财经大学计算机与人工智能学院副教授，主要从事深度学习、城市计算、时空数据挖掘、联邦学习、持续学习等领域的研究。