[发明专利]散粮集装箱物流运输环境异常检测的关键特征识别方法

权利要求书

1.一种散粮集装箱物流运输环境异常检测的关键特征识别方法，其特征在于，包括以下步骤：

步骤S1、构建散粮集装箱物流运输环境异常识别的数据样本集X、关键特征排序集r；初始化特征集合指标集s＝[1,2,…,d]，其中d表示因素特征的总数；数据样本集X如下所示：

其中x_i∈R^d，代表第i个样本对应的d维特征，t_i∈{-1,1}，表示类别，1表示散粮集装箱物流运输环境出现异常，-1表示散粮集装箱物流运输环境处于正常状态；R^d表示每个样本包含d个特征，N为数据样本的个数；

步骤S2、构建训练样本集X₀；

从数据样本集X的所有因素特征中选取集合s中的因素特征，构成训练样本集X₀如下：

X₀＝X(:,s)

步骤S3、训练线性分类模型SVM-train，得到拉格朗日乘子α；删除训练样本集X₀中指标集s第i个指标对应的因素特征，作为所述线性分类模型的输入；

步骤S4、计算权值向量w如下：

其中，α_k为拉郎朗日乘子，x_k为步骤S3中删除训练样本集X₀中指标集s第i个指标对应的因素特征后得到的样本特征集，t_k为样本的类别标签；

步骤S5、计算指标集s中第i个指标对应特征的排序系数c(i)；

步骤S6、获取排序系数最大的特征f如下：

f＝argmax(c)

步骤S7、从s中消除s(f)，更新特征集s；

步骤S8、更新关键特征排序集r如下：

r＝[s(f),r]

即：在关键因素特征排序表r的第一个元素之前加入因素特征f在表s中对应的s(f)；

步骤S9、当特征集合指标集s不为空集时，重复上述步骤S2-S8；当特征集合指标集s为空集时，则停止上述迭代过程，输出关键特征排序集r。

2.根据权利要求1所述的散粮集装箱物流运输环境异常检测的关键特征识别方法，其特征在于，步骤S3中训练线性分类模型SVM-train的具体步骤包括：

步骤S3.1、选取惩罚参数C；

步骤S3.2、求解二次规划问题，得到拉格朗日乘子α＝[α₁，...，α_N]

其中，x_i和x_j即为述线性分类模型的输入。

3.根据权利要求2所述的散粮集装箱物流运输环境异常检测的关键特征识别方法，其特征在于，步骤S3.1中惩罚参数C的取值范围为集合{2^-9，2^-8，...，2⁰，...，2¹⁴，2¹⁵}。

4.根据权利要求1所述的散粮集装箱物流运输环境异常检测的关键特征识别方法，其特征在于，所述步骤S5中计算指标集s中第i个指标对应的特征的排序系数如下：

c(i)＝(w_i)²。