[发明专利]基于机器学习聚类算法的门禁数据异常检测方法

摘要

本发明涉及门禁技术领域，特别涉及一种基于机器学习聚类算法的门禁数据异常检测方法，步骤一，清洗社区门禁系统的刷卡记录数据；步骤二，对清洗后的数据进行特征提取；步骤三，基于机器学习的聚类算法，分析所提取的门禁记录特征，将所有数据点划分到具有不同异常度的类中。本发明的有益效果是：可以有效检测社区进出人员的行为特征，大幅增强社区门禁系统数据的综合分析和应用能力，有利于提高社区安全管理水平。

主权项

1.基于机器学习聚类算法的门禁数据异常检测方法，包括用于存储门禁记录的数据库，其特征在于：步骤一，清洗社区门禁系统的刷卡记录数据；删除门禁记录中的重复数据和高频数据；步骤二，对清洗后的数据进行特征提取；提取每个门卡号单日内的分时段刷卡次数和进出门禁的比例作为特征；步骤三，基于机器学习的聚类算法，分析所提取的门禁记录特征，将所有数据点划分到具有不同异常度的类中；步骤四，定义异常度、抽取异常刷卡行为；所述步骤二对清洗后的数据进行特征提取的方法包括：首先，对于所述步骤一清洗过的数据，确定刷卡数据的基础格式为(Index,ID,time,gateflag)，其中Index为刷卡记录的序号，ID为门卡号，time为刷卡时间，gateflag为进出门禁的标识；gateflag=1表示进入小区，gateflag=0表示离开小区；然后，确定进行特征提取的特征格式为(ID，n1,n2,n3,n4,gateflag)，其中n1、n2、n3、n4分别为四个不同时段的刷卡次数；最后，将每个门卡对应的刷卡数据由基础格式转换为特征格式。