[发明专利]一种基于杠杆原理度量中心偏移的异常检测方法在审
| 申请号： | 201910153794.8 | 申请日： | 2019-03-01 |
| 公开（公告）号： | CN109886348A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 贾庆轩;陈春旭;高欣;艾冠群;井潇 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提出了一种基于杠杆原理度量中心偏移的异常检测方法，包括：使用Min‑Max归一化方法处理训练数据集，对处理后的训练数据集按比例随机抽样得到子集，并将子集的均值向量作为支点中心；在训练数据集中使用Min‑Max归一化方法处理测试点，将处理后的测试点复制一定数目加入子集，计算扩增后子集的均值向量，得到新支点中心；计算扩增前后支点中心的欧氏距离，作为测试点的异常得分；对子集中每条数据的异常得分进行多项式函数拟合，将函数梯度位于黄金分割处的异常得分作为数据正、异常阈值，并结合子集的偏度对后续测试点正、异常进行标定。本发明实施例提供的技术方案，可以有效解决异常检测方法计算复杂度高及参数调优难度大等问题。 | ||
| 搜索关键词： | 子集 测试点 异常检测 支点中心 训练数据集 杠杆原理 均值向量 中心偏移 归一化 度量 扩增 多项式函数 计算复杂度 函数梯度 黄金分割 欧氏距离 随机抽样 训练数据 有效解决 标定 拟合 复制 | ||
【主权项】：
1.一种基于杠杆原理度量中心偏移的异常检测方法，其特征在于，所述方法步骤包括：1)使用Min‑Max归一化方法处理训练数据集，对处理后的训练数据集按比例随机抽样得到子集，并将子集的均值向量作为支点中心；2)在训练数据集中使用Min‑Max归一化方法处理测试点，将处理后的测试点复制一定数目加入子集，计算扩增后子集的均值向量，得到新支点中心；3)计算扩增前后支点中心的欧氏距离，作为测试点的异常得分；4)对子集中每条数据的异常得分进行多项式函数拟合，将函数梯度位于黄金分割处的异常得分作为数据正、异常阈值，并结合子集的偏度对后续测试点正、异常进行标定。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京邮电大学，未经北京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910153794.8/，转载请声明来源钻瓜专利网。
