[發明專利]一種在序列組合中判定異常序列的方法

在審

• 申請號: 202010983843.3
• 申請日: 2020-09-18
• 公開（公告）號: CN112101468A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 劉吉耘
• 申請（專利權）人: 劉吉耘
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 成都樂易聯創專利代理有限公司 51269
• 代理人: 張銳

1.一種在序列組合中判定異常序列的方法，其特征在于，包括如下步驟：

建立m組序列A的二維網格模型，按照縱向提取的方式分別對m組所述序列A中的數據進行一維序列排列，獲得n組序列T；其中，m和n均為大于1的自然數；

對每組所述序列T中的數據進行遞增或遞減排序，獲得n組序列S；

對所述序列組S中的每個序列S_i(i＝1,2,…,n)中的數據進行逐差分析，基于相鄰數據之間的差值與預設閾值的比較結果來判斷該相鄰數據中是否存在跳變數據點，如存在跳變數據點，則將該所述序列S_i中跳變數據點作為分段點，擬設該所述序列S_i中跳變數據點數量為k，則該序列S_i中的數據被分為k+1段子序列F_ij，其中，j＝1,2,…,k+1；取其中包含數據個數最多的一段子序列F_i,max，將該子序列F_i,max中的數據作為參考正常數據點；如不存在跳變數據點，則將該所述序列S_i中的所有數據作為參考正常數據點；基于參考正常數據點通過預設算法獲得該序列S_i的參考值R_i；

根據所述參考值R_i(i＝1,2,…,n)分別對所述序列A_j(j＝1,2,…,m)中的數據P_ji進行誤差比對，并判定數據P_ji是否屬于異常點；根據所述序列A_j中異常點的占比大小判斷A_j是否屬于異常序列。

2.根據權利要求1所述的異常序列的判定方法，其特征在于，判斷跳變數據點的步驟包括：設定一個分段門限值K1；然后將所述序列S_i中，相鄰數據之間的差值與所述分段門限值K1比較大小；如該相鄰數據之間的差值大于所述分段門限值K1，則認定該相鄰數據中的一者為跳變數據點。

3.根據權利要求2所述的異常序列的判定方法，其特征在于，采用參考正常數據點確定參考值R_i的步驟包括：取序列S_i分段后包含數據最多的子序列F_i,max中的數據作為參考正常數據點，并求平均值，即作為所述參考值R_i。

4.根據權利要求3所述的異常序列的判定方法，其特征在于，當序列S_i分段后包含數據最多的子序列F_i,max的數量為多組且為奇數組時，取F_i,max最中間組的子序列中的數據作為參考正常數據點來計算所述參考值；當序列S_i分段后包含數據最多的子序列F_i,max的數量為多組且為偶數組時，取F_i,max最中間兩組中任一組的子序列中的數據作為參考正常數據點來計算所述參考值R_i。

5.根據權利要求1所述的異常序列的判定方法，其特征在于，基于所述參考值判斷所述異常點的步驟包括：分別設定上偏離度門限值K2和下偏離度門限值K3；如每個所述序列A_j中的數據P_ji的數值范圍位于所述參考值R_i與上偏離度門限值K2之和以及所述參考值R_i與下偏離度門限值K3之差的數值范圍之外，則認定該數據P_ji為異常點。

6.根據權利要求1所述的異常序列的判定方法，其特征在于，判斷異常序列的步驟包括：設定一個結果判斷門限值K，如序列A_j中異常點占比的數值范圍大于結果判斷門限值K，則判定序列A_j為異常序列。

7.根據權利要求1所述的異常序列的判定方法，其特征在于，m組序列A的各個序列長度可以相等，也可以不等；無論各個序列長度相等還是不等，只需要保證A中各個序列構建的二維網格模型中，縱向坐標按照特定屬性對齊即可；在各個序列長度不等的情況下，序列中缺失的數據點不參與參考值的計算和結果占比的計算即可。