[发明专利]基于主动学习的异常数据检测方法在审
| 申请号： | 201910182491.9 | 申请日： | 2019-03-12 |
| 公开（公告）号： | CN109934354A | 公开（公告）日： | 2019-06-25 |
| 发明（设计）人： | 赵晓永;王磊;李忱;闫阳 | 申请（专利权）人： | 北京信息科技大学 |
| 主分类号： | G06N20/20 | 分类号： | G06N20/20 |
| 代理公司： | 北京双收知识产权代理有限公司 11241 | 代理人： | 陈泉 |
| 地址： | 100192 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于主动学习的异常数据检测方法，根据各种基础学习器的对比分析，选择基于统计的和基于相似性的模型、基于轴平行子空间划分的无监督模型作为基学习器；将各基学习器评判的离群分数处于离群和正常边界的数据合并后呈现给人类专家进行标注；从标注的数据集和各基学习器投票产生的数据集中抽样训练有监督二元分类模型，将该模型应用于全数据集，得出最终的挖掘结果。本发明基于主动学习的异常数据检测方法，结合主动学习和模型集成，提出一种基于主动学习的离群点集成挖掘方法OMAL，结合多个无监督基学习器的学习结果与人类专家知识，训练出有监督的二元分类模型，在减少工作量、提升扩展性的同时，达到了较高地准确率。 | ||
| 搜索关键词： | 主动学习 学习器 异常数据检测 二元分类 无监督 标注 人类专家知识 平行子空间 扩展性 对比分析 基础学习 模型集成 模型应用 数据合并 数据集中 挖掘结果 学习结果 正常边界 全数据 数据集 准确率 工作量 抽样 评判 高地 监督 挖掘 投票 统计 | ||
【主权项】：
1.一种基于主动学习的异常数据检测方法，其特征在于：根据各种基础学习器的对比分析，选择基于统计的和基于相似性的模型、基于轴平行子空间划分的无监督模型作为基学习器；将各基学习器评判的离群分数处于离群和正常边界的数据合并后呈现给人类专家进行标注；从标注的数据集和各基学习器投票产生的数据集中抽样训练有监督二元分类模型，将该模型应用于全数据集，得出最终的挖掘结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京信息科技大学，未经北京信息科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910182491.9/，转载请声明来源钻瓜专利网。
- 上一篇：类人脑智慧机
- 下一篇：基于唯一标识的设备管理的方法及系统
