[发明专利]一种基于差分矩阵的标签向量序列异常检测方法

权利要求书

1.一种基于差分矩阵的标签向量序列异常检测方法，其特征在于，包括以下步骤：

步骤1：对标签向量进行编码，把已经标签化的序列映射成线性空间中的高维向量；

步骤2：对标签向量序列做N步长*M阶的差分序列矩阵；

步骤3：对差分矩阵做统计性分析，得到差分序列矩阵对应的差分序列统计矩阵；

步骤4：通过差分序列统计矩阵对标签向量序列进行正常/异常识别。

2.根据权力要求1所述的一种基于差分矩阵的标签向量序列异常检测方法，其特征在于，N步长差分定义：

定义有k维状态标签的状态标签向量为状态序列向量为

v＝[a₁，a₂，a₃，...，a_k]

第i时刻的状态向量为

v_i＝[a_1i，a_2i，a_3i，...，a_ki]

那么在i时刻的N步长差分向量定义为：

d_in＝

[min(max(abs(a_1i-a_1i-1)，abs(a_1i-a_1i-2)，...，abs(a_1i-a_1i-n)，0)，1)，…，

min(max(abs(a_ki-a_ki-1)，abs(a_ki-a_ki-2)，...，abs(a_ki-a_ki-n)，0)，1)]

abs(a_ki-a_ki-1)：为第状态码a_k第i个序列值与第i-1个序列值的差值绝对值；

M阶差分定义：

对标签序列做一次N步长的差分叫做N步的一阶差分；

对一阶差分继续做N步长的差分叫做N步的二阶差分；

以此类推，即M阶差分序列的阶数等价于做差分的次数。

3.根据权力要求1所述的一种基于差分矩阵的标签向量序列异常检测方法，其特征在于，步骤3包括，对N*M的差分矩阵的各个状态标签按某种或者某几种统计量进行统计，得到该统计量统计矩阵。

4.根据权利要去3所述的一种基于差分矩阵的标签向量序列异常检测方法，其特征在于，对N*M的差分矩阵的各个状态标签进行统计，统计各个状态标签值为1的百分比，得到N*M的统计矩阵。

5.根据权利要求1所述的一种基于差分矩阵的标签向量序列异常检测方法，其特征在于，步骤4包括以下步骤：

步骤4.1：构造差分序列矩阵的断点率矩阵作为差分序列统计矩阵；

步骤4.2：设定1步长1阶及2步长1阶差分序列的断点率其中之一超过30％，

即判定原始序列为异常。