[發明專利]一種局部分塊的一類支持向量數據描述方法

有效

• 申請號: 201410071393.5
• 申請日: 2014-02-28
• 公開（公告）號: CN103870682B
• 公開（公告）日: 2017-04-19
• 發明（設計）人: 蔣云良;胡文軍;王培良;陶劍文;樓俊鋼;皋軍
• 申請（專利權）人: 湖州師范學院
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 杭州宇信知識產權代理事務所(普通合伙)33231
• 代理人: 張宇娟

技術領域

本發明涉及數據異常檢測領域，尤其涉及一種局部分塊的一類支持向量數據描述方法。

背景技術

現有通過對正常樣本數據的學習進而獲得其特征屬性的過程稱為異常檢測，隸屬于一類分類問題。在許多應用領域，如假幣識別，醫療診斷，機器故障診斷，生物發酵過程異常監測，通信領域輻射源個體識別等，獲得異常數據的可能性很小，且獲取的過程需要花費大量的人力和物力。因此，異常檢測在近幾十年里得到了廣泛關注。

一類支持向量數據描述的異常檢測方法一直得到較大關注。許多學者提出了諸多改進版本，如小球體大間隔方法、多球支持向量數據描述方法等。上述異常檢測方法在構建數學模型時，僅僅考慮到數據的全局幾何結構，而忽略了數據的局部幾何結構，導致隱藏在局部結構中的信息丟失，降低了上述方法在異常數據檢測中的識別精度。

發明內容

本發明為了解決現有技術問題，既考慮到數據的全局幾何結構，也考慮到數據的局部幾何結構，設計一種實現有效的異常數據檢測的局部分塊的一類支持向量數據描述方法。

本發明的技術方案是：一種局部分塊的一類支持向量數據描述方法，包括如下步驟：

步驟1：對樣本集X＝(x₁，…，x_N)進行局部分塊，得到各個局部分塊P_i(i＝1，…，N)，具體方法為：把x_i對應最近鄰個數K的最近鄰樣本集所構成的局部區域稱為x_i在樣本集X上的一個局部分塊，其中，表示x_i的第p個最近鄰樣本點；

步驟2：計算重構系數其中，x_i的局部重構系數h為熱核參數，得到重構系數矩陣W＝(W₁，…W_N)，用來權衡局部分塊內不同樣本對該局部區域內在幾何結構的貢獻程度；

步驟3：通過核函數計算核矩陣K，其中k(·，·)為核函數；

步驟4：設定核化模型：

其中通過拉格朗日獲得所述核化模型的對偶形式：

步驟5：將步驟2得到的重構系數矩陣和步驟3得到的核矩陣代入步驟4的對偶形式，得到拉格朗日乘子向量α：α＝(α₁，…，α_N)^T；

步驟6：根據決策函數

f(x)＝R²+2[k(x，x₁)，…，k(x，x_N)]Wα-k(x，x)-α^T(W^TKW)α對未知樣本x進行決策，其中核化后的球心：W是拉格朗日乘子α_s滿足0＜α_s＜C條件所對應樣本點x_s的重構系數向量，若f(x)≥0，則x為正常樣本，否則為異常樣本。

作為一種優選，步驟2中的近鄰個數K從網格{2，3，…，14}中選擇。

作為一種優選，步驟2中的熱核參數h從網格表{2^-14，2^-13，…，2¹³，2¹⁴}中選擇。

作為一種優選，步驟3中的核函數k(·，·)選為高斯核函數：

k(x_i，x_j)＝exp(-||x_i-x_{||²/2σ²)；}

其中核帶寬參數σ＝2^mσ₀，m＝{-4.5，-4.0，…，4.0，4.5}；

σ₀是樣本數據平均2范數的平方根。

綜上所述，本發明的有益效果是：提出的一類支持向量數據描述方法具有捕捉數據局部幾何結構能力，從而使得構建的數據模型具有更好異常數據檢測能力。

附圖說明

圖1為現有原始一類支持向量數據描述方法對半月形數據集的識別效圖；

圖2為本發明方法對半月形數據集的識別效圖；

具體實施方式

利用本發明進行異常數據檢測任務。本發明包括如下步驟：