本研究提出了 FCM-wDTW，一种用于多变量时间序列异常检测的无监督距离度量学习方法，通过将原始数据编码成潜在空间，并通过聚类中心揭示正常维度关系，引入局部加权 DTW 到模糊 C 均值聚类，并有效地学习最优潜在空间，通过数据重构实现异常识别。通过对 11 种不同类型的基准测试的实验表明，我们的方法具有竞争力的准确性和效率。
本文评估了基于深度学习的无监督和半监督方法，用于物联网系统的异常检测和诊断。实验结果表明，动态评分函数比静态评分函数更准确。基于单变量完全连接的自编码器和动态高斯评分函数是一种简单有效的检测器。
