[发明专利]一种基于统计异常点检测算法的单线图布局检查方法及装置

权利要求书

1.一种基于统计异常点检测算法的单线图布局检查方法，其特征在于：所述方法包括：

步骤S1：典型布局样本学习；

步骤S2：布局实例检测；

步骤S3：布局检测结果展示输出。

2.根据权利要求1所述的一种基于统计异常点检测算法的单线图布局检查方法，其特征在于：所述步骤S1是对典型样本单线图逐一进行典型布局学习，将布局统计概率分布结果写入学习成果库，包括：

设定指定样本学习的选择范围；

设置异常点越限的阈值；

对样本数据进行逐一解析，学习样本的典型布局特征；

统计样本典型特征出现的概率，并将学习成果入库。

3.根据权利要求1所述的一种基于统计异常点检测算法的单线图布局检查方法，其特征在于：所述步骤S2中，是对实例单线图进行检测，从设置的异常点越限阈值开始，检测实例数据的统计概率与学习库统计概率的差值，发现异常数据后，写入异常结果库。

4.根据权利要求3所述的一种基于统计异常点检测算法的单线图布局检查方法，其特征在于：所述步骤S2具体包括

选定检测范围；

依据基于学习成果库的统计概率数据，从设置的异常点越限阈值开始，检测实例数据的统计概率与学习库统计概率的差值，如果检测实例数据在某一检测点的统计概率大于学习数据库的统计概率，则认为是异常数据；

将异常数据写入异常检测结果库。

5.根据权利要求1所述的一种基于统计异常点检测算法的单线图布局检查方法，其特征在于：所述步骤S3中，对异常结果库中的检测结果进行检测、定位、输出。

6.根据权利要求5所述的一种基于统计异常点检测算法的单线图布局检查方法，其特征在于：步骤S3具体包括

列示异常检测结果库中的异常单线图清单及具体的布局问题清单；

对具体布局问题进行定位；

将布局问题导出。

7.一种基于统计异常点检测算法的单线图布局检查装置，其特征在于：所述装置包括典型布局样本学习模块、实布局例检测模块、布局检测结果展示输出模块组成；

所述典型样本学习装置包括样本选择、学习参数设置、样本学习、学习成果入库四个子模块组成，布局实例检测模块包括实例选择、实例检测、检查成果入库三个子模块，所述布局检测结果展示输出模块包括布局检测清单、布局问题定位、布局问题导出三个子模块。

8.根据权利要求7所述的一种基于统计异常点检测算法的单线图布局检查装置，其特征在于：所述样本选择子模块负责设定指定样本学习的选择范围；

所述学习参数设置子模块负责设置异常点越限的阈值；

所述样本学习子模块负责对样本数据进行逐一解析，学习样本的典型布局特征；

所述学习成果入库子模块负责统计样本典型特征出现的概率，并将学习成果入库。

9.根据权利要求7所述的一种基于统计异常点检测算法的单线图布局检查方法，其特征在于：

所述实例选择子模块负责选定检测范围；

所述实例检测子模块负责依据基于学习成果库的统计概率数据，从设置的异常点越限阈值开始，检测实例数据的统计概率与学习库统计概率的差值，如果检测实例数据在某一检测点的统计概率大于学习数据库的统计概率，则认为是异常数据；

所述检查成果入库子模块将异常数据写入异常检测结果库。

10.根据权利要求7所述的一种基于统计异常点检测算法的单线图布局检查方法，其特征在于：

所述布局检测清单子模块用于列示异常检测结果库中的异常单线图清单及具体的布局问题清单；

所述布局问题定位子模块用于实现具体布局问题的定位；

所述布局问题导出子模块用于实现布局问题的导出。