[发明专利]一种异常检测方法及系统

权利要求书

1.一种异常检测方法，其特征在于，包括：

获取用于表示待检测物的正常状态的多维时间序列矩阵；

建立二维自组织映射特征网络结构，通过所述二维自组织映射特征网络结构对所述多维时间序列矩阵进行迭代训练，得到多变量状态估计记忆矩阵；

根据所述多变量状态估计记忆矩阵对所述待检测物的待检测数据进行异常检测。

2.根据权利要求1所述的异常检测方法，其特征在于，所述获取用于表示待检测物的正常状态的多维时间序列矩阵，具体包括：

确定影响待检测物的多个因素，分别获取各所述因素的全部影响因子；

根据各所述因素的全部影响因子，生成维度与所述因素的数量相同的多个初始多维时间序列；

从全部的所述初始多维时间序列中选取表示所述待检测物正常状态的全部的正常多维时间序列；

根据全部的所述正常多维时间序列建立用于表示待检测物的正常状态的多维时间序列矩阵。

3.根据权利要求2所述的异常检测方法，其特征在于，所述通过所述二维自组织映射特征网络结构对所述多维时间序列矩阵进行迭代训练，得到多变量状态估计记忆矩阵，具体包括：

获取所述二维自组织映射特征网络结构中，输入层神经元到映射层神经元连接的全部的第一权值向量；

分别计算每个所述正常多维时间序列与映射层各所述第一权值向量的第一距离值，并从中选出最小第一距离值所对应的映射层神经元作为所述正常多维时间序列的获胜神经元，并将获胜神经元相同的正常多维时间序列分为一类；

根据预设的迭代算法，对每个所述获胜神经元及各所述获胜神经元的邻域神经元的第一权值向量进行迭代训练，当满足预设条件时，停止迭代训练，得到第二权值向量；

分别计算每类所述正常多维时间序列与与其对应的所述第二权值向量的第二距离值，并从中选出最小第二距离值所对应的正常多维时间序列作为最终多维时间序列；

根据得到的各所述最终多维时间序列建立多变量状态估计记忆矩阵。

4.根据权利要求1至3中任一项所述的异常检测方法，其特征在于，所述根据所述多变量状态估计记忆矩阵对所述待检测物的待检测数据进行异常检测，具体包括：

获取所述待检测物的待检测数据，所述待检测数据包括所述待检测物在预设时刻的待检测多维时间序列；

根据所述多变量状态估计记忆矩阵计算所述待检测多维时间序列的预测值；

根据所述预测值计算所述待检测多维时间序列的残差；

根据所述残差判断所述待检测物是否异常。

5.根据权利要求4所述的异常检测方法，其特征在于，当所述待检测多维时间序列为多个时，所述根据所述预测值计算所述待检测多维时间序列的残差之后，还包括：

获取多个所述待检测多维时间序列的残差；

根据滑动窗口法计算所述残差的残差均值和标准差，并根据所述残差均值和所述标准差判断所述待检测物是否异常。

6.一种异常检测系统，其特征在于，包括：

获取单元，用于获取用于表示待检测物的正常状态的多维时间序列矩阵；

建模单元，用于建立二维自组织映射特征网络结构，通过所述二维自组织映射特征网络结构对所述多维时间序列矩阵进行迭代训练，得到多变量状态估计记忆矩阵；

检测单元，用于根据所述多变量状态估计记忆矩阵对所述待检测物的待检测数据进行异常检测。

7.根据权利要求6所述的异常检测系统，其特征在于，所述获取单元具体用于：

确定影响待检测物的多个因素，分别获取各所述因素的全部影响因子；

根据各所述因素的全部影响因子，生成维度与所述因素的数量相同的多个初始多维时间序列；

从全部的所述初始多维时间序列中选取表示所述待检测物正常状态的全部的正常多维时间序列；

根据全部的所述正常多维时间序列建立用于表示待检测物的正常状态的多维时间序列矩阵。