[发明专利]一种基于边缘计算的区域异常监测方法

权利要求书

1.一种基于边缘计算的区域异常监测方法，其特征在于，包括如下步骤：

S1：边缘计算设备获取接入边缘计算设备的多个物联网设备采集的监控特征数据；

S2：预设所用处理模型，并将采集到的监控特征数据输入到模型中；

S3：进行边缘计算，并且分析异常数据；

S4：身份验证，验证操作人员身份信息；验证成功后，可通过边缘计算设备读取异常数据信息。

2.根据权利要求1所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述S3中，边缘计算方法包括基于特征数据直接距离的边缘计算方法和基于特征数据直接密度的的边缘计算方法。

3.根据权利要求2所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述基于特征数据直接距离的边缘计算方法包括如下步骤：

S11:将所有监控特征数据输入数据集S中，并将数据集S中的某一个数据点称为， 代表所述数据点横纵坐标值；

S12：如果数据点满足特定性质，采用异常数据点的横纵坐标值来代替，表示所有的基于统计的异常数据点。

4.根据权利要求3所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述S12中，特定性质为：数据集中有数据点与数据点的距离大于，其算法为：基于索引的方法依赖多维索引结构，通过对最近邻查询或数据点为中心的范围查询的回答来实现寻找所有数据点基于多为索引结构R-trees或kd-tree算法复杂度是，其中是维数， 是数据点数， 代表数据点。

5.根据权利要求2所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述基于特征数据直接密度的的边缘计算方法包括：

S21：对象P的距离称为，对任一的自然数，定义P的距离及为P和某个对象之间的距离，此处数据点需要满足预设条件；

S22：对象P的距离邻域称为，给定的P的距离为，P的距离邻域包含所有与P的距离不超过的对象，即；

S23：对象P相对于O的可达距离，给定自然数k，对象P相对于对象O的可达距离为，对象P的局部可达密度为对象P与他的MinPts-邻域的平均可达距离的倒数，即；

S24：对象P的局部异常点因子：

；

S25：对象P的局部异常点因子表示P的异常点程度，局部异常点因子越大，就认为他更可能是异常点，反之则可能性小，簇内靠近核心店的对象LOF接近于1，就不被认为是局部异常点，而处于簇的边缘或者是簇的外面的对象LOF相对较大。

6.根据权利要求5所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述S21中，预设条件为至少存在个对象。

7.根据权利要求1所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述S3中边缘计算方法为高维数据的异常点检测，其步骤为：

S31：将数据空间的每一维分成个等深度区间；所谓等深度区间是指将数据一社到此以为空间上后，每一区间包含相等的的数据点；

S32：在数据集的k维子空间中的每一维上各取一个等深度区间，组成一个k维立方体，则立方体中的数据映射点数为随机数， ；

其中，其中代表维立方体所包含点数， 代表总点数， 代表稀疏系数， 为负数时，说明立方体中数据点低于期望值，越小，说明此立方体中的数据越稀疏。