[发明专利]一种异常数据检测的方法、系统及设备

说明书

本申请公开了一种异常数据检测的方法，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DBSCAN聚类算法对待处理数据进行标记，得到聚类簇数据集及噪声数据集；确定噪声数据集中的数据为异常数据。本申请所提供的技术方案，极大的增强了对交通数据的聚类效果，在面对复杂多变以及随机波动性强的高速公路交通流数据时，能够能准确检测出异常交通数据，提高了异常交通数据检测的效率及准确度。本申请同时还提供了一种异常数据检测的系统、设备及计算机可读存储介质，具有上述有益效果。

技术领域

本申请涉及异常数据检测领域，特别涉及一种异常数据检测的方法、系统、设备及计算机可读存储介质。

背景技术

在高速公路智能交通系统中，异常数据是影响数据质量的重要因素，因此对异常交通数据的查找并清洗是高速公路交通数据质量优化的重要步骤。异常交通数据在交通大数据中是小众的部分，其数值大小、发展趋势已经数据曲线形态都与占大比例的正常交通数据有一定程度的差距。

由于高速公路交通流数据的复杂多变性以及随机波动性强，而导致传统的异常数据识别方法很难准确检测出其交通流异常数据。

因此，如何准确检测出交通流异常数据是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种异常数据检测的方法、系统、设备及计算机可读存储介质，用于准确检测出其交通流异常数据。

为解决上述技术问题，本申请提供一种异常数据检测的方法，该方法包括：

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。

可选的，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。

可选的，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。

可选的，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，Δt为更新步长。