[發明專利]一種基于KL散度和離散化數據的異常檢測算法在審
| 申請號： | 201811266627.6 | 申請日： | 2018-10-29 |
| 公開（公告）號： | CN109460425A | 公開（公告）日： | 2019-03-12 |
| 發明（設計）人： | 張衛山;張亞飛;郭武武 | 申請（專利權）人： | 中國石油大學（華東） |
| 主分類號： | G06F16/2458 | 分類號： | G06F16/2458 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 266580 山*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 構建 訓練階段 概率圖 散度 異常檢測算法 數據模式 異常數據 運行階段 離散化 算法 方式刪除 假設檢驗 均值數據 模式發生 模式挖掘 判斷數據 冗余數據 設備異常 數據包含 數據狀態 相似程度 異常概率 坐標x軸 大數據 坐標軸 概率 挖掘 | ||
【權利要求書】：
1.一種基于KL散度(Kullback–Leibler divergence)和數據模式的異常檢測方法，其特征在于，數據預處理模塊、模式挖掘模塊、模式壓縮模塊、構建模式概率圖坐標模塊和概率計算模塊，包括以下步驟：
步驟(1)、在數據預處理模塊，根據數據輸入對數據進行數據預處理操作包括歸一化、補全、離散化等操作；
步驟(2)、在模式挖掘模塊，根據預處理數據對數據進行模式挖掘，對逐維數據挖掘數據模式；
步驟(3)、在模式壓縮模塊，根據獲得數據模式采用假設檢驗方法對逐維數據的挖掘模式去除冗余數據模式；
步驟(4)、在構建模式概率圖坐標模塊，在訓練階段根據挖掘數據模式逐維構建數據模式概率圖坐標(以提取模式為坐標x軸，以模式發生概率為y軸)，同時逐維構建故障模式概率圖和均值模式概率圖。在運行階段則根據挖掘數據模式逐維構建數據模式概率圖；
步驟(5)、在概率計算模塊，通過KL散度逐維計算數據模式概率圖與故障模式概率圖和均值模式概率圖得到KL1和KL2(可能有多種異常類型所以KL2為多維數據)，先通過KL1的乘積判斷設備或數據狀態，再通過KL2乘積判斷設備故障類型。從而判斷異常和異常類型。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國石油大學（華東），未經中國石油大學（華東）許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811266627.6/1.html，轉載請聲明來源鉆瓜專利網。
