[发明专利]异常情报数据识别机器学习方法

摘要

本发明公开了异常情报数据识别机器学习方法，属于情报数据处理领域，主要解决现有异常情报数据识别在实际工程应用中需要人工大量反复调试，难以直接应用的问题。首先收集信源历史情报数据，并对异常数据人工分析研判，形成原始数据库。然后设定训练样本向量构成，特征提取生成异常情报数据识别训练数据集。再进一步拟合情报数据的概率分布，结合有标签数据集迭代生成最佳门限概率，生成异常情报数据识别模型。该系统自动训练生成异常情报数据识别模型，完全避免了人工对模型参数的大量调试操作，具有模型生成速度快、实用效果好的优点。

主权项

1.异常情报数据识别机器学习方法，其特征在于，包括以下步骤：步骤1：收集信源的历史情报数据，形成异常情报数据识别训练原始数据库，简称为原始数据库；对正常或异常的情报数据进行人工分析标记，存储相应的情报数据及人工标记结果，形成有标签数据库；步骤2：根据各情报数据的基本信息，设定情报数据训练样本向量构成，通过特征提取，利用原始数据库生成无标签数据集D1，利用有标签数据库生成有标签数据集D2，共同构成异常情报数据识别训练数据集D；步骤3：对异常情报数据识别训练数据集D采用数据可视化，拟合异常情报数据识别训练数据集D的概率密度pD，并完成对所拟合的概率密度的参数估计；步骤4：建立异常情报数据二元分类判别模型，同时建立模型参数优化目标函数，进一步利用有标签数据集训练学习生成模型参数，得到最佳门限概率εbest，生成异常情报数据判别方法。