[發明專利]一種基于離群數據挖掘的液態危化品揮發濃度異常發現方法

在審

• 申請號: 202110273839.2
• 申請日: 2021-03-15
• 公開（公告）號: CN112949735A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 薛善良;彭振峰;韋青燕;肖雪
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 瞿網蘭

1.一種基于離群數據挖掘的液態危化品揮發濃度異常發現方法，其特征是,首先,引入去一劃分信息熵確定離群屬性的權重；然后,使用OPTICS聚類算法對氣體濃度傳感器采集到的原始數據集進行篩選得到初步離群數據集，提高算法的運行效率；用P權值代替LOF算法中的可達距離；最后,利用新定義的基于P權值的局部離群因子LOFBP(Local OutliersFactor based on P-weight)計算初步離群數據集中對象的離群程度，在保留算法的檢測精度的同時提高執行效率。

2.根據權利要求1所述的方法，其特征在于它包括如下步驟：

步驟1：讀取氣體傳感器原始數據集；

步驟2：計算數據集合中所有屬性的去一劃分信息熵增量；

步驟3：計算數據集合中所有對象可達距離；

步驟4：利用OPTICS算法獲取初步離群數據集；

步驟5：計算初步離群數據集合中所有對象k距離、k距離鄰域，計算P權值；

步驟6：計算基于P權值的局部密度；

步驟7：計算基于P權值的局部可達密度；

步驟8：降序輸出局部可達密度，得到離群數據。

3.根據權利要求2所述的方法，其特征是，所述的OPTICS算法獲取初步離群數據集包括：當鄰域中的點加入無序隊列后，并不需對整個無序隊列進行排序，只需對比新加入點與原最小點即可取出可達距離最小點并將最小點存入臨時變量；當需要處理非有序隊列中新的點時，只需取出臨時變量存儲的最小點，通過這種方法得到可達圖。

4.根據權利要求2所述的方法，其特征是，計算數據集合中所有屬性的去一劃分信息熵增量Δ(N_i)方法包括以下步驟：

a)為了提高離群點的檢測的質量，采用加權距離度量OPTICS算法中數據對象之間的距離，屬性的權重通過去一劃分信息熵增量確定；信息熵用于衡量一個系統包含多少信息量，因此，信息熵E(x)值可以衡量一個數據集的不確定程度；其定義為：

E(x)＝-[p(x₁)·log p(x₁)]-[p(x₂)·log p(x₂)]…-[p(x_n)·log p(x_n)] (1)

公式(1)中，x為隨機變量，其可能的取值集合為s(x)＝{x₁,x₂,……,x_n}；

p(x)表示取值為x的概率；

b)為了突出表現離群的屬性，通過去掉一個屬性后熵值的變化定義相關屬性的權重。設屬性集合為N＝{N₁,N₂,…,N_m}，取N_i(i＝1,2,…,m)，將N劃分為兩部分：{N_i}和{N-N_i}，記做P＝{P₁，P₂}，其中P₁＝{N_i}，P₂＝{N₁，N₂，…，N_i-1，N_i+1，…，N_m}，則去一劃分信息熵增量Δ(N_i)定義為公式(2)，其數值越大說明將N_i去除后數據集合的不確定性減少的越多：

Δ(N_i)＝E(N)-E(P) (2)

公式(2)中，Δ(N_i)表示集合N去除N_i后的信息熵變化；

E(N)表示屬性集合N的信息熵；

E(P)的計算公式為：

c)若兩個數據對象分別為p＝{p₁，p₂，…，p_m}，p′＝{q₁，q₂，…，q_m}，它們之間的加權距離記為dist(p，p′)，則基于去一劃分信息熵增量的加權距離定義為：

dist(p，p′)＝[Δ(N₁)×d(p₁，p′₁)]+[Δ(N₂)×d(p₂，p′₂)]+…+[Δ(N_m)×d(p_m，p′_m)](4)。