[发明专利]多维时空数据的多层次异常检测方法

权利要求书

1.多维时空数据的多层次异常检测方法，其特征包括：

A.具有传感数据层：包含了各种类型的传感器，用于采集各种属性的数据；

下沉层：收集同类型传感器上传的数据，每一种类型的传感器对应于下沉层的一个节点；

网关层：收集下沉层所有节点上传的数据；

B.通过数据挖掘技术在事先测量的历史事件异常数据中挖掘出具有相关性的属性，得到相关属性集合；针对相关属性集合的每一个元素，计算各属性的均值，通过均值计算得到关联属性数据的关联数据矩阵M，以及相关系数矩阵R；

C.在传感数据层上对各传感器进行基于数据时间相关性的异常检测：采集各传感器的数据，根据同一传感器的相邻数据计算数据的波动差值，根据波动差值的大小得到该传感器在周期内采集的数据是否异常；将所有传感器的数据和检测结果传到下沉层的对应节点；

D.通过在下沉层的节点收集同类型传感器上传的数据和检测结果，进行基于数据空间相关性的异常检测和数据融合，将融合结果和异常检测结果上传到网关层：计算每个节点根据步骤C中对应的检测结果中异常数据所占该节点接收的总数据的比例，根据所述比例与阈值的大小关系对该节点的数据进行是否异常的标识；

E.网关层收集下沉层所有节点上传的数据和异常检测结果，根据异常检测结果提取出异常属性集合：

E1.收集下沉层所有节点上传的属性数据和异常检测结果，构建属性数据集合和异常检测结果；

E2.根据异常检测结果中的属性提取出数据集合中对应的异常数据，形成异常数据集合；

E3.如果异常数据集合为空，则步骤C采集的所有数据为正确数据；如果异常数据集合不为空，判断形成的异常数据集合对应的属性是否在步骤B所述的相关属性集合中，如果不在，判断该属性对应的数据是错误数据；如果在，计算异常数据集合对应的相关系数矩阵；

E4.将所述相关系数矩阵和通过历史数据计算的对应属性的相关系数矩阵作相似性计算，把两个矩阵的每一行看作是一个向量，计算各向量夹角的余弦值，如果每一个余弦值都在预设范围内，则两个关系矩阵是相似的，判断步骤C采集的数据是事件异常数据，如果至少有一个余弦值不在预设范围内，则两个关系矩阵不相似，判断步骤C采集的数据是错误数据。

2.如权利要求1所述的多维时空数据的多层次异常检测方法，其特征为：步骤B包括：

B1.收集历史的事件异常数据集，提取出每一条事件异常数据里的异常属性和异常属性的数值，形成异常属性集合；

B2.根据异常属性集合，通过数据挖掘技术中的关联分析算法，挖掘出异常属性集合中所有的相关属性，形成关联属性集合；

B3.针对每一条关联属性，根据属性的类别在步骤B1所述的事件异常数据集中找出对应的数值，形成关联数据矩阵M；

B4.针对每一条关联属性的数值，计算关联数据矩阵M的相关系数矩阵R。

3.如权利要求2所述的多维时空数据的多层次异常检测方法，其特征为：步骤B3中，计算从所述事件异常数据集中找出的对应数值的均值，通过均值计算得到所述的关联数据矩阵M。