[发明专利]异常检测方法及异常检测系统

权利要求书

1.一种早期检测成套设备或者设备的异常的异常检测方法，其特征在于，

从多个传感器取得数据，

根据数据间的类似度，在数据间类似度低的数据的情况下，通过使用该数据有无异常，对学习数据进行数据的追加或者删除，生成/更新学习数据，

根据新取得的观察数据和在学习数据中包含的各个数据的乖离度，检测观察数据的异常。

2.一种早期检测成套设备或者设备的异常的异常检测方法，其特征在于，

从数据库中读出学习数据，

求出学习数据间的相互类似度，删除数据使类似度高的数据不重复，由此使学习数据的量适量化。

3.一种早期检测成套设备或者设备的异常的异常检测方法，其特征在于，

在大体由正常的事例组成的学习数据中，求出在学习数据中包含的各个数据间的类似度，求出与各学习数据类似度高的上位k个数据，

把由此得到的学习数据的数据作为对象，求出其频度分布，并根据该频度分布来决定正常事例的存在范围。

4.一种早期检测成套设备或者设备的异常的异常检测方法，其特征在于，

在大体由正常的事例组成的学习数据中，

针对多个观察数据进行求出在学习数据中包含的各个数据与观察数据的类似度，并求出与观察数据类似度高的上位k个数据的操作，

把由此得到的学习数据的数据作为对象，求出其频度分布，并根据该频度分布设定至少一个典型值、上限值、下限值等值，使用这些设定值检测异常。

5.一种早期检测成套设备或者设备的异常的异常检测方法，其特征在于，

针对多个观察数据进行求出在学习数据中包含的各个数据与观察数据的类似度，并求出与观察数据类似度高的上位k个数据的操作，

把由此得到的学习数据的数据作为对象，求出其频度分布，并根据该频度分布求出观察数据的乖离度，确定观察数据的哪个要素异常。

6.一种早期检测成套设备或者设备的异常的异常检测方法，其特征在于，

从多个传感器取得观察数据，

收集关于设备发生的设备停止或者警告的警报信息，从学习数据中除去包含关于设备发生的设备停止或者警告的警报信息的区间。

7.一种早期检测成套设备或者设备的异常的异常检测方法，其特征在于，

从多个传感器取得观察数据，

取得设备发生的事件信息，

进行以事件信息为对象的解析，

对以传感器信号为对象的异常检测和以事件信息为对象的解析进行组合，检测异常。

8.一种早期检测成套设备或者设备的异常的异常检测方法，其特征在于，

从多个传感器取得观察数据，

使用子空间法把学习数据模型化，

根据观察数据和子空间的距离关系来检测异常。

9.根据权利要求8所述的异常检测方法，其特征在于，

所述子空间法是投影距离法、CLAFIC法、把观察数据的附近作为对象的局部子空间法、或者线性回归法、线性预测法。

10.根据权利要求1所述的异常检测方法，其特征在于，

从多个传感器取得观察数据，

使用子空间法把所述学习数据模型化，

根据观察数据和子空间的距离关系来检测异常。

11.根据权利要求10所述的异常检测方法，其特征在于，

求出数据随时间变化的过渡期，对过渡期的数据附加属性，作为学习数据收集或者排除。

12.一种早期检测成套设备或者设备的异常的异常检测方法，其特征在于，

从多个传感器取得数据，根据所述数据在时间上的变化，把数据空间的轨迹分割为多个类，使用子空间法把着眼点不属于的类组模型化，

根据偏离所述模型的乖离度计算着眼点的偏离值，

根据该偏离值来检测异常。

13.根据权利要求7所述的异常检测方法，其特征在于，

收集关于设备发生的设备停止或者警告的警报信息，从学习数据中除去包含关于设备发生的设备停止或者警告的警报信息的区间。