[发明专利]一种异常数据检测的方法、系统及设备

权利要求书

1.一种异常数据检测的方法，其特征在于，包括：

利用磷虾群算法优化DBSCAN聚类算法的领域参数；

获取待处理数据；

基于优化后的所述DBSCAN聚类算法对所述待处理数据进行标记，得到聚类簇数据集及噪声数据集；

确定所述噪声数据集中的数据为异常数据；

其中，所述利用磷虾群算法优化DBSCAN聚类算法的领域参数，包括：

将所述DBSCAN聚类算法的领域参数作为磷虾群个体位置向量；

根据所述磷虾群个体位置向量计算所述磷虾群个体的适应度值；

根据所述磷虾群个体的适应度值确定最差磷虾个体及最优磷虾个体；

执行由除去所述最差磷虾个体及所述最优磷虾个体的磷虾群诱导的运动、觅食活动以及随机扩散运动；

对各所述磷虾群个体位置向量进行更新；

判断是否达到所述磷虾群算法的最大迭代次数；

若否，则返回执行根据所述磷虾群个体位置向量计算所述磷虾群个体的适应度值的步骤；

若是，则将更新后的各所述磷虾群个体位置向量作为所述优化后的DBSCAN聚类算法的领域参数；

并且，根据所述磷虾群个体位置向量计算所述磷虾群个体的适应度值，包括：

根据公式

计算所述磷虾群个体的适应度值；

其中，f(x)为磷虾个体适应度函数，D₁,D₂,...,D_k是经过以磷虾个体当前位置向量为领域参数的DBSCAN密度聚类后的k个聚类簇，x和x'均为所述磷虾群中个体的位置向量，dist(x,x')为x与x'之间的欧氏距离，ε为常数。

2.根据权利要求1所述的方法，其特征在于，对各所述磷虾群个体位置向量进行更新，包括：

根据公式更新各所述磷虾群个体位置向量；

其中，△t为更新步长；x_i为第i个磷虾个体的位置向量。

3.根据权利要求2所述的方法，其特征在于，在根据公式更新各所述磷虾群个体位置向量之前，还包括：

根据公式对各所述磷虾群个体位置向量元素进行交叉运算；

根据公式对各所述磷虾群个体位置向量元素进行变异运算；

其中，x_i,m为第i个磷虾个体中的第m组位置向量元素，x_r,m为第r个磷虾个体中的第m组位置向量元素，r≠i，Cr为交叉概率的阈值，R_i,m为第i个磷虾个体中第m组位置向量元素进行交叉运算或变异运算的概率，Mu为突变概率，x_gbes,m当前迭代最优的位置向量元素，x_p,m、x_q,m均为随机抽取的位置向量元素，μ为常数。