[发明专利]一种异常状态在线识别方法

摘要

一种异常状态在线识别方法，用于实时在线检测高维数据流中的潜在异常点。通过分析数据流的数据特性，提出运用基于角度分布的方法来获取数据流上每一个数据所对应的异常因子值。结合实时监控数据流的需要，提出建立基于正常集、边界集的小规模数据流型计算集，以此来加快异常状态在线识别方法的运算速度。针对大数据流的概念转移问题，提出建立正常集、边界集的实时更新机制，以此来保证异常状态在线识别方法在高维空间的检测精确度。采用本发明方法，不仅可以极大地降低对时间和物理存储的消耗，而且可以准确，实时地在线检测高维大数据流中的潜在异常点，为实现数据流的实时在线评估创造了条件，从而增强了大数据应用系统的稳定性。

主权项

一种异常状态在线识别方法，用于实时在线检测高维数据流中的潜在异常点，包括步骤：A.实时采集数据流中的数据元素，获得含有一定数据元素的高维数据样本集X，并对高维数据样本集X进行预处理；B.运用基于角度分布的异常因子公式对集合X中的每一个数据元素进行分析，以此来获得集合X中每个数据元素的异常因子值；C.根据每一个数据元素的异常因子值，以及设定的正常集阈值、边界集阈值划分集合X中的所有数据元素，即是将数据元素纳入正常集、边界集和异常集中的一种，从而构造出初始正常集、边界集；D.采集数据流中的最新数据元素X(i)，与正常集、边界集建立小规模数据流型计算集；E.运用基于角度分布的异常因子公式对最新数据元素X(i)进行分析，以此来获得该数据元素的异常因子值；F.根据最新数据元素的异常因子值，以及设定的正常集阈值、边界集阈值将最新数据元素X(i)纳入正常集、边界集中的一种，如果该数据元素为异常点，则将其纳入异常集O，并将其作为异常点输出；G.实时检测正常集、边界集是否发生溢出，若发生溢出，则将正常集、边界集按先进先出(FIFO)方式进行更新；H.跳转至步骤D，直至检测完所有数据元素。