[發(fā)明專利]一種基于BQP網(wǎng)絡(luò)的異常檢測方法

有效

• 申請?zhí)枺?/td>: 201910188286.3
• 申請日: 2019-03-13
• 公開（公告）號: CN109962915B
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計）人: 郭春生;林翰聞;章堅武;陳華華
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 浙江千克知識產(chǎn)權(quán)代理有限公司 33246
• 代理人: 周希良;王日精

1.一種基于BQP網(wǎng)絡(luò)的異常檢測方法，其特征在于，包括以下步驟：

S1，預(yù)設(shè)異常檢測圖像訓(xùn)練數(shù)據(jù)集；

S2，搭建BQP網(wǎng)絡(luò)，設(shè)定參數(shù)：網(wǎng)絡(luò)輸入圖像尺寸C×H×W，批次大小B，特征向量維數(shù)n，懲罰因子c，數(shù)值修正因子ε；

S3，對于每一批次送入BQP網(wǎng)絡(luò)的訓(xùn)練批次，其包含圖像樣本和標(biāo)簽，表述為I＝(I₁,y₁；I₂,y₂；...；I_B,y_B)，其中，I_j為該批次中第j個樣本，y_j表示第j個樣本的標(biāo)簽，j＝1，2，…B；利用BQP網(wǎng)絡(luò)中的特征抽取網(wǎng)絡(luò)抽取圖像中的特征，其輸出為批次特征向量X，大小為B×n；

S4，抽取的批次特征向量X，在BQP網(wǎng)絡(luò)中的QP輸出層中構(gòu)建空間特征超球，QP輸出層輸出最優(yōu)對偶變量a^*；

S5，通過分類損失函數(shù)和一致性損失函數(shù)，分別對BQP網(wǎng)絡(luò)中的特征抽取網(wǎng)絡(luò)輸出的特征向量X和QP輸出層的最優(yōu)對偶變量a^*計算損失函數(shù)，并通過反向傳播算法對BQP網(wǎng)絡(luò)進行參數(shù)優(yōu)化，即多目標(biāo)優(yōu)化；

S6，檢測時，使用特征抽取網(wǎng)絡(luò)輸出的每個樣本特征向量的模長||x_i||₂與設(shè)定的閾值R_Threshold進行比較，實現(xiàn)異常檢測；

所述步驟S1具體為：

定義每一批次大小為B的訓(xùn)練數(shù)據(jù)，由B張圖像樣本和B個標(biāo)簽組成訓(xùn)練批次(I₁,y₁；I₂,y₂；...；I_B,y_B)；其中，y_j＝0時，I_j為正常樣本；y_j＝1時，I_j為異常樣本；

所述步驟S2包括以下步驟：

S21，建立特征抽取網(wǎng)絡(luò)，特征抽取網(wǎng)絡(luò)由卷積層、池化層、激活層和線性層組成，其功能是抽取輸入圖像的特征向量，并可經(jīng)過反向傳播算法動態(tài)更新網(wǎng)絡(luò)權(quán)重；

S22，建立QP輸出層，該輸出層求解形如：

a^*＝argmin[a^TQa-p^Ta]

的標(biāo)準(zhǔn)凸二次規(guī)劃問題；其中，上式中各個參數(shù)為：

a＝[a₁,a₂...a_B]^T，

β＝1-n_A·c-ε，

其中，Q中的x₁,x₂,...x_B分別是BQP網(wǎng)絡(luò)中特征抽取網(wǎng)絡(luò)輸出的批次特征向量中第1,2,…B個元素；c是懲罰因子，取值介于0到1之間；n_A是訓(xùn)練批次(I₁,y₁；I₂,y₂；...；I_B,y_B)中樣本標(biāo)簽y_j為1的個數(shù)；ε是數(shù)值修正因子，經(jīng)驗取值為0.05；系數(shù)β通過n_A，c以及ε計算得到；QP輸出層的輸出為上述二次優(yōu)化問題的最優(yōu)解，即

S23，BQP網(wǎng)絡(luò)由特征抽取網(wǎng)絡(luò)和QP輸出層級聯(lián)組成，其功能是提取每個批次圖像的特征，并對批特征向量進行數(shù)據(jù)建模，使用空間特征超球來刻畫正常樣本和異常樣本。

2.根據(jù)權(quán)利要求1所述的一種基于BQP網(wǎng)絡(luò)的異常檢測方法，其特征在于，所述步驟S3具體為：

對于一個批次長度為B的訓(xùn)練批次(I₁,y₁；I₂,y₂；...；I_B,y_B)，經(jīng)過卷積層、池化層、激活層和線性層，提取出B個樣本圖像數(shù)據(jù)的n維特征作為批次特征向量，用矩陣表示，X＝[x₁,x₂...,x_B]^T，矩陣作為QP輸出層的輸入。