基于分布式的铁路异常检测模型协同训练方法及系统

本发明涉及协同训练技术领域，具体涉及基于分布式的铁路异常检测模型协同训练方法及系统。其方法包括：获取铁路多维时序监测数据并计算各维度特征之间的格兰杰因果关系，利用社区发现算法将多维时序监测数据拆分为相互独立的视图一和视图二，获得初始模型A和初始模型B，协同训练迭代过程中交替执行利用其中一个初始模型筛选伪标签样本以更新另一个初始模型，并在每一轮迭代中新增伪标签样本的数量，训练终止时计算初始模型A和初始模型B的预测方差，确定融合权重并对预测结果加权融合，得到异常检测结果。即本发明的方案能够将多维时序监测数据拆分为相互独立的视图、剔除噪声样本，能够获得更可靠的模型以提高检测精度。