[发明专利]异常信息的统计方法及装置

权利要求书

1.一种异常信息的统计方法，包括：

获取利用样本数据作为输入数据所搭建的径向基函数RBF神经网络的网络结构；其中，所述RBF神经网络的网络结构包括输入层、输出层及隐藏层；所述样本数据包括样本异常数据及所述样本异常数据的样本异常类别；每个所述样本数据对应各自的径向基函数；

根据所述样本异常数据及所述样本异常类别之间的映射关系，确定所述RBF神经网络的参数；

根据所述RBF神经网络的网络结构，利用所述输入数据及所述参数确定所述RBF神经网络的输出数据；及，根据所述输出数据对各所述样本异常类别进行归类。

2.根据权利要求1所述的方法，在获取利用样本数据作为输入数据所搭建的径向基函数RBF神经网络的网络结构之前，所述方法还包括：

将所述样本数据作为所述输入数据，搭建所述RBF神经网络的网络结构。

3.根据权利要求2所述的方法，所述将所述样本数据作为所述输入数据，搭建所述RBF神经网络的网络结构，包括：

根据所述样本异常数据的第一数量及所述样本异常类别的第二数量，分别确定所述输入层、所述输出层及所述隐藏层的节点数目；

根据所述输入层、所述输出层及所述隐藏层的节点数目搭建所述RBF神经网络的网络结构。

4.根据权利要求3所述的方法，所述根据所述样本异常数据的第一数量及所述样本异常类别的第二数量，分别确定所述输入层、所述输出层及所述隐藏层的节点数目，包括：

确定所述输入层的节点数目等于所述第一数量的值，及，确定所述输出层的节点数目等于所述第二数量的值。

5.根据权利要求3所述的方法，所述参数包括基函数中心；

相应的，所述确定所述RBF神经网络的参数，包括：

从各所述样本异常数据中选择多个第一样本异常数据作为初始聚类中心；

根据各所述样本异常数据与所述初始聚类中心之间的第一距离，将各所述样本异常数据分别聚类至至少一个聚类集合中；

计算各所述聚类集合中的各所述样本异常数据的平均值，并根据所述平均值确定各所述聚类集合的第一聚类中心；

判断所述第一聚类中心与所述初始聚类中心之间的差值是否位于预设差值之内；若是，则确定所述初始聚类中心为所述基函数中心；若否，则将所述第一聚类中心作为所述初始聚类中心继续计算所述差值，直至所述差值位于所述预设差值之内。

6.根据权利要求5所述的方法，所述参数包括基函数方差；

相应的，所述确定所述RBF神经网络的参数，包括：

确定各所述第一样本异常数据之间的最大距离；

根据所述最大距离及所述隐藏层的节点数目计算所述基函数方差。

7.根据权利要求6所述的方法，所述参数包括所述隐藏层和所述输出层之间的权值；

相应的，所述确定所述RBF神经网络的参数，包括：

计算各所述样本异常数据和所述基函数中心之间的第二距离；

基于所述隐藏层的节点数目、所述最大距离及所述第二距离，利用最小二乘法计算所述隐藏层和所述输出层之间的权值。

8.根据权利要求7所述的方法，所述利用所述输入数据及所述参数确定所述RBF神经网络的输出数据，包括：

根据所述样本异常数据、所述基函数方差及所述第二距离，确定各所述径向基函数的值；

根据所述径向基函数的值及所述权值，确定所述RBF神经网络的输出数据。

9.根据权利要求8所述的方法，所述根据所述输出数据对各所述样本异常类别进行归类，包括：

按照预设映射方式将各所述输出数据映射为待归类数据；

根据所述待归类数据是否为相同的数据，对各所述样本异常类别进行归类。