[發明專利]一種面向大規模高維傳感器數據的在線式異常檢測方法有效
| 申請號： | 201811541556.6 | 申請日： | 2018-12-17 |
| 公開（公告）號： | CN109612513B | 公開（公告）日： | 2021-10-15 |
| 發明（設計）人： | 喬焰;金鵬;焦俊;馬慧敏;王婧;崔信紅;沈春山 | 申請（專利權）人： | 安徽農業大學 |
| 主分類號： | G01D18/00 | 分類號： | G01D18/00;G06N3/04;G06N3/08 |
| 代理公司： | 安徽合肥華信知識產權代理有限公司 34112 | 代理人： | 余成俊 |
| 地址： | 230036 安徽*** | 國省代碼： | 安徽;34 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 面向 大規模 傳感器 數據 在線 異常 檢測 方法 | ||
1.一種面向大規模高維傳感器數據的在線式異常檢測方法，其特征在于：包括以下步驟：
(101)、獲取歷史數據：選擇某時間段內的若干連續傳感器數據樣本作為用于模型訓練的歷史數據X；
(102)、建立深度信念網絡和1/4球面支持向量機的混合模型；
混合模型中，深度信念網絡由多層疊加合成的受限玻爾茲曼機RBM，以及BP神經網絡構成；
每層受限玻爾茲曼機RBM分別由隱藏層和可見層構成，隱藏層、可見層之間的神經元相互獨立，且每層受限玻爾茲曼機RBM中隱藏層和可見層之間是全連接關系；
多層受限玻爾茲曼機RBM中，下層受限玻爾茲曼機RBM的輸出作為上層受限玻爾茲曼機RBM的輸入，最后一層受限玻爾茲曼機RBM連接BP神經網絡；
高維的歷史數據X作為輸入向量輸入多層疊加合成的受限玻爾茲曼機RBM，通過對多層疊加合成的受限玻爾茲曼機一層一層的訓練，由BP神經網絡接收訓練后的特征數據，然后由BP神經網絡將接收的特征數據與期望數據進行比對并調整，最終由BP神經網絡輸出調整后的低維的特征向量；
(103)、利用步驟(101)得到的歷史數據X對混合模型進行訓練：
以深度信念網絡作為數據的降維工具，將步驟(101)得到的高維的歷史數據X作為輸入向量輸入深度信念網絡，通過深度信念網絡進行壓縮提取后，輸出降維后的低維的特征向量，該特征向量即為降維后的歷史數據
將低維的特征向量作為1/4球面支持向量機的輸入，通過1/4球面支持向量機對低維的特征向量進行檢測，根據檢測結果去除歷史數據X中的異常數據，得到正常的數據集合完成對混合模型的訓練；
(104)、重新以固定時間間隔獲取實時采集的傳感器數據Y；
(105)、將步驟(103)中得到的正常的數據集合與步驟(104)獲取的傳感器數據Y組成滑動窗口；
(106)、用1/4球面支持向量機對步驟(105)得到的滑動窗口中數據進行異常檢測，以去除滑動窗口中異常數據并單獨保存異常數據；
(107)、最終由1/4球面支持向量機輸出檢測出的異常數據。
2.根據權利要求1所述的一種面向大規模高維傳感器數據的在線式異常檢測方法，其特征在于：步驟(101)和步驟(104)中的傳感器數據，均是從傳感器網絡后臺的管理監測系統中得到的。
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安徽農業大學，未經安徽農業大學許可，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/201811541556.6/1.html，轉載請聲明來源鉆瓜專利網。
- 數據顯示系統、數據中繼設備、數據中繼方法、數據系統、接收設備和數據讀取方法
- 數據記錄方法、數據記錄裝置、數據記錄媒體、數據重播方法和數據重播裝置
- 數據發送方法、數據發送系統、數據發送裝置以及數據結構
- 數據顯示系統、數據中繼設備、數據中繼方法及數據系統
- 數據嵌入裝置、數據嵌入方法、數據提取裝置及數據提取方法
- 數據管理裝置、數據編輯裝置、數據閱覽裝置、數據管理方法、數據編輯方法以及數據閱覽方法
- 數據發送和數據接收設備、數據發送和數據接收方法
- 數據發送裝置、數據接收裝置、數據收發系統、數據發送方法、數據接收方法和數據收發方法
- 數據發送方法、數據再現方法、數據發送裝置及數據再現裝置
- 數據發送方法、數據再現方法、數據發送裝置及數據再現裝置
