[發明專利]一種基于數據挖掘和情景計算的社區風險預警方法和系統在審

申請號：	202110698803.9	申請日：	2021-06-23
公開（公告）號：	CN113590672A	公開（公告）日：	2021-11-02
發明（設計）人：	陳永強;季育軒	申請（專利權）人：	北京大學
主分類號：	G06F16/2458	分類號：	G06F16/2458;G06F16/26;G06K9/62;G06N3/04;G06N3/08
代理公司：	北京辰權知識產權代理有限公司 11619	代理人：	谷波
地址：	100871***	國省代碼：	北京;11
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于數據挖掘情景計算社區風險預警方法系統
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本申請涉及風險預警技術領域，更為具體來說，本申請涉及一種基于數據挖掘和情景計算的社區風險預警方法和系統。所述方法包括：獲取多視圖樣本；將所述多視圖樣本輸入到訓練好的神經網絡中進行帶約束的表達學習，得到所述多視圖樣本在完整異常信息空間中的表達；根據所述多視圖樣本在完整異常信息空間中的表達計算每個樣本的屬性異常值和類別異常值；將所述每個樣本的屬性異常值和類別異常值加和得到每個樣本的綜合異常值。本申請所述預警方法可實現快速地檢測社區的多視圖樣本，即使在多視圖樣本較多時，也能快速計算出每個樣本的屬性異常值和類別異常值，從而獲得更好的檢測效果，提升了社區風險預警準確度和效率。

技術領域

本申請涉及風險預警技術領域，更為具體來說，本申請涉及一種基于數據挖掘和情景計算的社區風險預警方法和系統。

背景技術

在實際生產中，關于同一事物的數據，有時會來源于不同的渠道，或者對同一份數據會采用不同的特征提取方式，通過這樣的方法，我們獲得的多組數據被稱為多視圖數據。近些年來，由于越來越多的多視圖數據的產生，人們對于多視圖數據的研究也越來越多，產生了很多基于多視圖數據的算法。而在我們的社區風險預警問題中，社區往往會安裝一些傳感器用于檢測數據，從不同的傳感器獲取到的多組數據，便是多視圖數據。

在多視圖數據中，需要檢測的異常點可以分為三類，分別叫做屬性異常點、類別異常點和類別-屬性異常點。屬性異常點指在各個視圖內部都表現得與其他樣本行為不一致的異常點；類別異常點指的是在不同的視圖中鄰居結構不同的異常點；而類別-屬性異常點，是前兩者的混合，在某些視圖下表現為屬性異常點，在其他視圖下表現為類別異常點。屬性異常點是常見的異常點，而類別異常點和類別-屬性異常點則容易被忽略，但是檢測出它們，是非常有意義的。

在社區風險預測預警問題中，一個社區的傳感器數量通常不少，因為會有較大的視圖數量，而大部分現有的多視圖異常檢測方法，采用成對的方式進行檢測，隨著視圖數量的上升，計算量顯著提高，不利于快速地檢測。并且視圖較多時，需要對視圖信息進行提取與整合，才能獲得更好的檢測效果。

發明內容

基于上述問題，本發明目的在于對多視圖樣本進行表達學習，表達學習后形成完整異常信息空間，結合多視圖樣本在完整異常信息空間中的表達計算每個樣本的屬性異常值和類別異常值，進而實現對社區異常點的預警，以達到更快的效率和更好的效果。

為實現上述技術目的，本申請提供了一種基于數據挖掘和情景計算的社區風險預警方法，包括以下步驟：

獲取社區多視圖樣本；

將所述社區多視圖樣本輸入到訓練好的神經網絡中進行帶約束的表達學習，得到所述社區多視圖樣本在完整異常信息空間中的表達；

根據所述社區多視圖樣本在完整異常信息空間中的表達計算每個樣本的屬性異常值和類別異常值；

將所述每個樣本的屬性異常值和類別異常值加和得到每個樣本的綜合異常值，將所述綜合異常值從大到小進行排序，給出相應預警信息。

具體地，所述神經網絡包括公共神經網絡和偏差神經網絡。

具體地，計算樣本的屬性異常值的方法為：

先計算第i個樣本的第v個視圖的屬性異常值；

再計算第i個樣本總的屬性異常值。