[发明专利]一种检测模型的确定方法、验证方法和装置

权利要求书

1.一种检测模型的确定方法，其特征在于，包括，

获取样本数据，所述样本数据包括：携带有正常标签的正常样本数据和携带有异常标签的异常样本数据；

根据从所述样本数据中划分出的第一样本数据子集初始化并训练长短时记忆神经网络，确定训练好的所述长短时记忆神经网络；

根据所述样本数据确定第一任务集集合，利用所述第一任务集集合采用预定的元学习训练算法对训练好的长短时记忆神经网络的模型参数进行调整，确定调整模型参数后的所述长短时记忆神经网络为所述检测模型。

2.根据权利要求1所述的方法，其特征在于，

所述根据所述样本数据确定第一任务集集合，包括：

将所述样本数据分为正常样本数据集和异常样本数据集；

根据所述正常样本数据集和所述异常样本数据集构建多组支持集和疑问集；

根据所述多组支持集和疑问集，确定多个任务集；其中，每一个任务集对应一组支持集和疑问集；

从所述多个任务集中选择第一预设比例的任务集构成所述第一任务集集合。

3.根据权利要求2所述的方法，其特征在于，

所述样本数据从l个设备中采集，每一个设备所采集的正常样本量和异常样本量相等；

根据所述正常样本数据集和所述异常样本数据集构建多组支持集和疑问集，包括：

将所述正常样本数据集分为l个正常子集，将所述异常样本数据集分为l个异常子集；每一个正常子集中的样本数据为同一个设备所采集的正常样本数据，每一个异常子集中的样本数据为同一个设备所采集的异常样本数据；

每一组支持集和疑问集分别根据以下方式构建：

从l个正常子集中选取一个正常子集N_a，从l个异常子集中选取一个异常子集A_m；所述正常子集N_a和异常子集A_m中的样本数据为来自同一个设备所采集的样本数据；

从所述正常子集N_a中抽取M-K个正常样本数据，从所述异常子集A_m中抽取M-K个异常样本数据；

从l个正常子集中选取另一个正常子集N_b，从l个异常子集中选取另一个异常子集A_n；所述正常子集N_b和异常子集A_n中的样本数据同为来自另一个设备所采集的样本数据；

从所述正常子集N_b中抽取K+Q个正常样本数据，从所述异常子集A_n中抽取K+Q个异常样本数据；

根据所述K+Q个正常样本数据中的Q个正常样本数据和所述K+Q个异常样本数据中的Q个异常样本数据，建立一个疑问集；

根据所述K+Q个正常样本数据中剩余的K个正常样本数据、所述K+Q个异常样本数据中剩余的K个异常样本数据，和所述M-K个正常样本数据、所述M-K个异常样本数据，建立一个支持集；

所述一个支持集和所述一个疑问集构建一组支持集和疑问集；

其中，l为大于0的整数，K为大于或等于0的整数，M为大于K的整数，Q为大于0的整数；不同组的支持集和疑问集所选取的正常子集不同，不同组的支持集和疑问集所选取的异常子集不同。

4.根据权利要求1、2或3所述的方法，其特征在于，

所述根据所述样本数据中的第一样本数据子集初始化并训练长短时记忆神经网络，包括：

对所述第一样本数据子集进行分窗时移得到训练数据；

根据所述训练数据和预设的期望目标向量，初始化所述长短时记忆神经网络；

根据前向传播算法确定初始化后的所述长短时记忆神经网络的学习误差向量；

根据所述学习误差向量利用反向传播算法迭代更所述长短时记忆神经网络的模型参数进行所述长短时记忆神经网络的训练，确定所述长短时记忆神经网络训练后的模型参数。