[发明专利]一种面向大规模高维传感器数据的在线式异常检测方法

摘要

本发明公开了一种面向大规模高维传感器数据的在线式异常检测方法，包括以下步骤：（101）、获取历史数据；（102）、建立深度信念网络‑1/4球面支持向量机混合模型对数据进行降维和检测；（103）、利用历史数据对混合模型进行训练；（104）、采集传感器数据；（105）、创建滑动窗口，实现在线检测技术；（106）、利用上面训练好的混合模型对传感器采集的数据进行检测；（107）、输出检测后所有的异常数据。本发明改进了现有技术的相关算法和流程，提出了一个在处理高维度数据时，实现在线检测技术的方法，在大大地提高了异常数据检测的正确率的同时大大降低了检测时间。

主权项

1.一种面向大规模高维传感器数据的在线式异常检测方法，其特征在于：包括以下步骤：(101)、获取历史数据：选择某时间段内的若干连续传感器数据样本作为用于模型训练的历史数据X；(102)、建立深度信念网络和1/4球面支持向量机的混合模型；(103)、利用步骤(101)得到的历史数据X对混合模型进行训练：以深度信念网络作为数据的降维工具，将步骤(101)得到的高维的历史数据X作为输入向量输入深度信念网络，通过深度信念网络进行压缩提取后，输出降维后的低维的特征向量，该特征向量即为降维后的历史数据将低维的特征向量作为1/4球面支持向量机的输入，通过1/4球面支持向量机对低维的特征向量进行检测，根据检测结果去除历史数据X中的异常数据，得到正常的数据集合完成对混合模型的训练；(104)、重新以固定时间间隔获取实时采集的传感器数据Y；(105)、将步骤(103)中得到的正常的数据集合与步骤(104)获取的传感器数据Y组成滑动窗口；(106)、用1/4球面支持向量机对步骤(105)得到的滑动窗口中数据进行异常检测，以去除滑动窗口中异常数据并单独保存异常数据；(107)、最终由1/4球面支持向量机输出检测出的异常数据。