[發(fā)明專利]一種基于多示例學(xué)習(xí)的局部離群點檢測方法

在審

• 申請?zhí)枺?/td>: 201811283345.7
• 申請日: 2018-10-24
• 公開（公告）號: CN111090678A
• 公開（公告）日: 2020-05-01
• 發(fā)明（設(shè)計）人: 秦嶺;鄧浩;楊小健
• 申請（專利權(quán)）人: 南京工業(yè)大學(xué)
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/215;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多示例學(xué)習(xí)的局部離群點檢測方法，其特征在于，包括以下步驟：

步驟一、建立數(shù)據(jù)采集通道：將企業(yè)的現(xiàn)場實時監(jiān)控數(shù)據(jù)通過傳感器傳到OPC服務(wù)端，客戶端讀取采集信息后，計算并存入數(shù)據(jù)庫；

步驟二、工業(yè)控制數(shù)據(jù)的清洗：所述步驟一采集得到工業(yè)控制數(shù)據(jù)集，對其進(jìn)行數(shù)據(jù)的清洗，去除一些不必要的數(shù)據(jù)；

步驟三、初始化數(shù)據(jù)集：根據(jù)MIL原理，對數(shù)據(jù)進(jìn)行處理，提取MIL包，并確定MIL包內(nèi)的示例，將數(shù)據(jù)集合轉(zhuǎn)化成MIL包的集合。根據(jù)專家設(shè)定的語義，原先糅雜在一起的對象被有條理的劃分到各個示例中，對象整體則被一個裝有多個示例的包表示，包中的每個示例代表此對象在其特定語義下的解釋。對象的整體特征通過包被完整地、結(jié)構(gòu)化地保留了下來，避免了傳統(tǒng)算法提取過程中的丟失。同時采用退化策略，通過矩陣轉(zhuǎn)置、子集提取將多示例問題退化成了傳統(tǒng)的單示例問題，將對MIL塊的問題轉(zhuǎn)化為對多個示例塊的問題，有效的解決了在復(fù)雜對象集上的問題，提高算法檢測的全面性；

步驟四、取出MIL包中的示例，計算k距離鄰域、局部可達(dá)密度、局部離群因子等數(shù)據(jù)，直到MIL包中沒有數(shù)據(jù)；

步驟五、自適應(yīng)權(quán)重調(diào)整策略：根據(jù)示例的特征，在權(quán)重函數(shù)計算過程中加入自適應(yīng)懲罰策略，通過引入懲罰函數(shù)和懲罰因子，根據(jù)不同示例集自身的特點自適應(yīng)調(diào)整權(quán)重函數(shù)；

步驟六、綜合局部離群點因子的計算：計算多示例對象的綜合局部離群點因子；

步驟七、確定局部離群點：執(zhí)行完步驟六以后，根據(jù)綜合局部離群因子的大小，確定局部離群點。

2.根據(jù)權(quán)利要求1所述的一種基于多示例學(xué)習(xí)的局部離群點檢測方法，其特征在于，所述步驟四的具體包括以下步驟：

步驟4.1：計算對象o的k-距離(記為dist_k(o))。對于給定數(shù)據(jù)集D和自然數(shù)k，使得o與另一個對象p∈D之間的距離(記為dist(o，p))，滿足條件：

(1)至少有k個對象o′∈D-{o}，使得dist(o，o′)≤dist(o，p)。

(2)至少有k-1個對象o″∈D-{o}，使得dist(o，o″)≤dist(o，p)。

換言之，dist_k(o)是o與其第k個最近鄰之間的距離。

步驟4.2：計算對象o的k-距離鄰域。o的k-鄰域包含其到o的距離不大于dist_k(o)的所有對象，記為：

N_k(o)＝{o′|o′∈D，dist(o，o′)≤dist_k(o)}

步驟4.3：計算對象o′到o的可達(dá)距離reachdist_k(o←o′)＝max{dist_k(o)，dist(o，o′)}。對于兩個對象o和o′，如果dist(o，o′)≥dist_k(o)，則從o′到o的可達(dá)距離是dist(o，o′)，否則是dist_k(o)。記為：

reachdist_k(o←o′)＝max{dist_k(o)，dist(o，o′）}

步驟4.4：計算局部可達(dá)密度(lrd_k(o))。對象o的局部可達(dá)密度是對象o與它的dist_k(o)的平均可達(dá)距離的倒數(shù)。計算公式為：

步驟4.5：計算局部離群點因子(LOF_k(o))。局部離群點因子是o的可達(dá)密度與o的k-最鄰近的可達(dá)密度之比的平均值。對象o的局部可達(dá)密度低，并且o的k-最鄰近的局部可達(dá)密度越高，局部離群點因子越高。計算公式為：