申请/专利权人:山西大学
申请日:2024-03-28
公开(公告)日:2024-06-11
公开(公告)号:CN118171216A
主分类号:G06F18/2433
分类号:G06F18/2433;G06F18/22;G06F18/214;G06N3/048;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.28#实质审查的生效;2024.06.11#公开
摘要:本发明公开了一种基于标准基尼指数构图的多维时序异常检测方法,属于时序异常检测技术领域。针对现有时序异常检测方法无法对离散值和连续值之间的关系进行学习的问题,通过在衡量传感器的相似度时,对连续型变量进行离散化处理,并通过计算两个传感器之间的标准基尼指数得到传感器之间的相似度值。传统的基尼指数存在多值偏向问题,即偏向于赋予取值较多、属性较高的分数,标准基尼指数能有效地缓解这一问题。标准基尼指数能有效地刻画取值种类不同的传感器之间的相似程度;且本发明给每个传感器一个嵌入向量,这个向量可以表示每个传感器的独特特征,在对数据进行重构时,将嵌入向量和相应的变换特征连接起来,能够更好的对原始数据进行重构。
主权项:1.一种基于标准基尼指数构图的多维时序异常检测方法,其特征在于:包括以下步骤:步骤1:判断传感器数据x的取值个数是否大于某个固定值,决定是否利用离散化模块对传感器数据进行离散化;步骤2:分别计算两个传感器之间的标准基尼指数得到传感器之间的相似度值,并将所有传感器两两之间计算得到的相似度值合并为传感器的关系矩阵S;步骤3:利用嵌入向量灵活捕捉每个传感器的独特特征;步骤4:根据重构误差最小化并基于图注意力的特征提取器输出原始变量的重构结果;步骤5:将验证集中重构结果和原始结果的误差最大值作为固定阈值;步骤6:通过判断误差是否大于固定阈值去获得异常检测的结果。
全文数据:
权利要求:
百度查询: 山西大学 一种基于标准基尼指数构图的多维时序异常检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。