[发明专利]支持向量数据描述外壳算法

权利要求书

1.一种基于分布式系统结构的支持向量数据描述外壳算法，其特征在于： 适用的分布式环境既能是区分上下级关系的树形结构，也能是没有上下级关系 的结构；在数据中心和每个分析节点都能进行模型整合集成；数据中心是树形 结构中的一种特殊的分析节点；

分析节点具备运算分析多数据流的能力；它们将进行多数据流的分析运算， 应用支持向量数据描述外壳算法发现模型，并根据分布式系统的规则做出动作； 特别的，当某个分析节点只对应一个感应器时，它将分析单数据流；

分析节点的功能如下：

a.在没有上下级关系的结构中，分析节点将在收到其他分析节点发现的模型 以后，对本地和接收的模型进行整合集成，并从中发现所在区域的全局模型；

b.在树形结构中，分析节点之间也有信息和模型的交换，并将发现的模型传 递给数据中心；

在每个分析节点执行以下步骤：

1)获取模型的设定常数参数(κ，C_R，C_r)以及核函数的参数σ；

2)使用批量式或增量式的二次规划方法及其优化算法求解(1)式的最优化 问题，求得模型(4)；

3)将模型(4)根据分布式系统的规则进行封装和传输；

[1]如果接收节点允许进行增量式协同工作，则直接发送本节点增量 式算法新求得增量结果；

[2]如果接收节点只允许批量式协同工作，则在接收节点要求的时候， 或者在指定时刻将模型一起发送；

[3]如果需要保存模型以备本节点在未来进行自相关性分析，则保存 该模型；

4)返回步骤1)，检查模型参数是否改变，如果改变则进行更新；

数据中心的功能如下：

a.在树形结构中，数据中心节点在收到各个分析节点发现的模型以后，对下 级节点发现的模型进行整合集成，并从中发现所辖区域的全局模型，然后根据 分布式系统的规则做出动作；

b.数据中心节点或者分析节点在使用模型以及整合集成的过程中，将检测工 作的性能；当性能不能满足指定的要求时，该节点将启动模型参数调整过程， 根据分布式系统的结构协商并调整每个节点的模型参数(κ，C_R，C_r)；

c.进一步的集成也以此类推；

该算法的算法解式子

minΩ(R,ϵ,φ,ξ,ζ)=κR2+ϵ+CRΣi=1Nξi+CrΣi-1Nζi]]>

⇔minΩ′(R,ϵ,φ,ξ,ζ)=(κ+1)R2+r2+CRΣi=1Nξi+CrΣi-1Nζi---(1)]]>

||xi-φ||2≤R2+ξi||xi-φ||2≥R2-ϵ-ζi0≤ϵ≤R2ξi≥0,ζi≥0,i=1,...,N]]>

其中，φ为内外两个超球面的圆心φ′在空间□^d内的原向量，□^d为数据所在的 空间，R为外超球面的半径，r为内超球面的半径；取

ε＝R²-r²    (2)

反映了超球壳的厚度；||□||定义在空间Z上的L₂-范数，满足核函数

K(x_i，x_j)＝Φ(x_i)·Φ(x_j)    (3)

κ为内外超球面之间的平衡参数；C_R为外超球面的平衡模型复杂度与数据 依赖性的确定的参数，用以控制能容忍的异常点的数量，ξ_i为外超球面的松弛变 量；C_r为内超球面的平衡模型复杂度与数据依赖性的确定的参数，用以控制能 允许去除的非潜在支持向量的数量，ζ_i为内超球面的松弛变量；N为训练集的 样本数据数量；

利用二次规划方法及其优化算法求得模型

(κ，C_R，C_r；σ；SV_S；φ，R，θ)    (4)

其中，(κ，C_R，C_r)为求解模型前的常数设定值，σ为核函数的参数，

SV_S＝SV_R∪SV_r∪SV_p    (5)

SV_R为外超球面对应的支持向量，SV_r为内超球面对应的支持向量，SV_p为潜 在支持向量，(φ，R，θ)为SV_S的特征和性能，

θ=arccosrR---(6)]]>

为数据描述外壳所包含的潜在支持向量的风险性。