[发明专利]一种基于增量核主成分分析的增量轨迹异常检测的方法

摘要

一种基于增量核主成分分析的增量轨迹异常检测的方法，属于增量轨迹异常检测的方法。该方法：首先进行模型的初始化计算，使用传统的Batch KPCA进行初始核特征空间计算，每当有M条新增轨迹数据到来时，先对这M条轨迹数据进行标准化；然后使用Batch KPCA计算新增数据的核特征空间；分别计算新增数据和训练数据的平均重建误差，如果两者误差大于给定阀值，则执行后续的核特征空间分割‑合并方法，更新核特征空间；接着对更新后的核特征空间进行投影，提取出主分量；最后利用一类支持向量机进行无监督学习和异常检测。优点：该方法优于传统的核主成分分析方法，降低了计算复杂性，提高了轨迹异常检测的效率。

主权项

1.一种基于增量核主成分分析的增量轨迹异常检测的方法，其特征是：首先进行模型的初始化计算，使用传统的Batch KPCA进行初始核特征空间计算，每当有M条新增轨迹数据到来时，先对这M条轨迹数据进行标准化；然后使用Batch KPCA计算新增数据的核特征空间；分别计算新增数据和训练数据的平均重建误差，如果两者误差大于给定阀值，则执行后续的核特征空间分割‑合并方法，更新核特征空间；接着对更新后的核特征空间进行投影，提取出主分量；最后利用一类支持向量机进行无监督学习和异常检测；具体步骤如下：(1)该基于增量核主成分分析的增量轨迹异常检测方法，首先需要设定滑动窗口的大小P和每次更新的轨迹数目M；P代表了每次需要更新的核特征空间的大小，核特征空间大小在算法执行期间固定不变；轨迹数目M代表了每次增量的大小；(2)然后使用传统的Batch KPCA计算滑动数据窗口的初始核特征空间模型以及计算其平均重建误差之后循环批量处理新增的轨迹数据向量；在处理新增轨迹数据向量时，先构造其核特征空间模型，计算其平均重建误差(3)接着计算其与滑动窗口核特征空间之间的平均重建误差比率εratio；当εratio高于给定阀值v时，使用核特征空间分割‑合并算法更新滑动窗口核特征空间，先采用核特征空间分割方法从滑动数据窗口中移除最早的轨迹数目M条轨迹数据特征向量，缩减核特征空间；然后采用核特征空间合并方法将新增的轨迹数目M条轨迹数据向量合并到滑动窗口核特征空间中；(4)同时计算滑动窗口核特征空间投影，求取主成分并计算其特征空间投影；(5)最后使用一类支持向量机对提取的主分量进行无监督学习和异常检测，记录检测到的异常轨迹；检测完之后，需要重新计算滑动窗口核特征空间平均重建误差以便处理下一次新增轨迹数据。