[發(fā)明專利]一種基于數(shù)據(jù)挖掘和情景計(jì)算的社區(qū)風(fēng)險(xiǎn)預(yù)警方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110698803.9
• 申請(qǐng)日: 2021-06-23
• 公開（公告）號(hào): CN113590672A
• 公開（公告）日: 2021-11-02
• 發(fā)明（設(shè)計(jì)）人: 陳永強(qiáng);季育軒
• 申請(qǐng)（專利權(quán)）人: 北京大學(xué)
• 主分類號(hào): G06F16/2458
• 分類號(hào): G06F16/2458;G06F16/26;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京辰權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11619
• 代理人: 谷波

1.一種基于數(shù)據(jù)挖掘和情景計(jì)算的社區(qū)風(fēng)險(xiǎn)預(yù)警方法，其特征在于，包括以下步驟：

獲取社區(qū)多視圖樣本；

將所述社區(qū)多視圖樣本輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行帶約束的表達(dá)學(xué)習(xí)，得到所述社區(qū)多視圖樣本在完整異常信息空間中的表達(dá)；

根據(jù)所述社區(qū)多視圖樣本在完整異常信息空間中的表達(dá)計(jì)算每個(gè)樣本的屬性異常值和類別異常值；

將所述每個(gè)樣本的屬性異常值和類別異常值加和得到每個(gè)樣本的綜合異常值，將所述綜合異常值從大到小進(jìn)行排序，給出相應(yīng)預(yù)警信息。

2.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)挖掘和情景計(jì)算的社區(qū)風(fēng)險(xiǎn)預(yù)警方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)包括公共神經(jīng)網(wǎng)絡(luò)和偏差神經(jīng)網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)挖掘和情景計(jì)算的社區(qū)風(fēng)險(xiǎn)預(yù)警方法，其特征在于，計(jì)算樣本的屬性異常值的方法為：

先計(jì)算第i個(gè)樣本的第v個(gè)視圖的屬性異常值；

再計(jì)算第i個(gè)樣本總的屬性異常值。

4.根據(jù)權(quán)利要求3所述基于數(shù)據(jù)挖掘和情景計(jì)算的社區(qū)風(fēng)險(xiǎn)預(yù)警方法，其特征在于，所述計(jì)算第i個(gè)樣本的第v個(gè)視圖的屬性異常值的方法為：

其中，h_iv表示第i個(gè)樣本的第v個(gè)視圖在完整異常信息空間中的表達(dá)，H_v表示從第v個(gè)視圖映射到完整異常信息空間中的所有樣本的集合，表示h_iv到H_v第k近臨距離；

所述計(jì)算第i個(gè)樣本總的屬性異常值的方法為：

其中V表示第i個(gè)樣本的視圖總數(shù)。

5.根據(jù)權(quán)利要求1所述基于數(shù)據(jù)挖掘和情景計(jì)算的社區(qū)風(fēng)險(xiǎn)預(yù)警方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練步驟為：

對(duì)所述神經(jīng)網(wǎng)絡(luò)中的參數(shù)進(jìn)行初始化及初始化迭代次數(shù)；

建立所述神經(jīng)網(wǎng)絡(luò)的損失方法；

將訓(xùn)練樣本一次性輸入到所述神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，獲得訓(xùn)練樣本在完整異常信息空間中的表達(dá)；

計(jì)算整體的視圖內(nèi)誤差和視圖間誤差，以得到總誤差量，再利用反向傳播技術(shù)更新神經(jīng)網(wǎng)絡(luò)中的全部參數(shù)；

當(dāng)訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)次數(shù)，終止訓(xùn)練。

6.根據(jù)權(quán)利要求5所述基于數(shù)據(jù)挖掘和情景計(jì)算的社區(qū)風(fēng)險(xiǎn)預(yù)警方法，其特征在于，建立所述神經(jīng)網(wǎng)絡(luò)的損失方法包括：

定義第v個(gè)視圖的視圖內(nèi)損失；

定義所有視圖的視圖內(nèi)損失之和；

定義視圖間的損失。

7.根據(jù)權(quán)利要求5所述基于數(shù)據(jù)挖掘和情景計(jì)算的社區(qū)風(fēng)險(xiǎn)預(yù)警方法，其特征在于，將訓(xùn)練樣本一次性輸入到所述神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練之前還包括對(duì)所述訓(xùn)練樣本的整合處理，得到包含異常信息的訓(xùn)練樣本。

8.一種基于數(shù)據(jù)挖掘和情景計(jì)算的社區(qū)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述系統(tǒng)包括：

獲取模塊，用于獲取社區(qū)多視圖樣本；

表達(dá)學(xué)習(xí)模塊，用于將所述社區(qū)多視圖樣本輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行帶約束的表達(dá)學(xué)習(xí)，得到所述多視圖樣本在完整異常信息空間中的表達(dá)；

異常值計(jì)算模塊，用于根據(jù)所述社區(qū)多視圖樣本在完整異常信息空間中的表達(dá)計(jì)算每個(gè)樣本的屬性異常值和類別異常值；

預(yù)警模塊，用于將所述每個(gè)樣本的屬性異常值和類別異常值加和得到每個(gè)樣本的綜合異常值，根據(jù)綜合異常值從大到小進(jìn)行排序，給出相應(yīng)預(yù)警信息。

9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，其特征在于，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被所述處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如權(quán)利要求1至7中任一項(xiàng)方法的步驟。

10.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有多條指令，所述指令適于由處理器加載并執(zhí)行如權(quán)利要求1至7任一項(xiàng)方法的步驟。