龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：福州安玉科技有限公司
申请日：2024-05-17
公开（公告）日：2024-06-21
公开（公告）号：CN118228141A
主分类号：G06F18/2415
分类号：G06F18/2415;G06F18/213;G06N3/0464;G06N3/0455
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种优化卡尔曼滤波器的时序信号异常检测方法、介质和设备，该方法包括：获取样本时序信号，将样本时序信号输入卡尔曼滤波器进行滤波，得到第一特征矩阵；将第一特征矩阵通过编码器来提取特征，得到低维特征嵌入；将低维特征嵌入通过解码器重构原始特征，得到重构特征矩阵；根据低维特征嵌入通过EM算法对卡尔曼滤波器进行优化，得到最优的滤波器参数；根据重构特征矩阵和第一特征矩阵计算重构误差，并以重构误差作为损失函数优化深度学习模型参数；将待处理的时序信号输入至优化完成的深度学习模型中，计算待处理的时序信号的异常分数。上述方案利用自编码器的嵌入对卡尔曼滤波器进行优化，以实现更好的异常检测。
主权项：1.一种优化卡尔曼滤波器的时序信号异常检测方法，其特征在于，所述方法包括：获取样本时序信号，将所述样本时序信号输入卡尔曼滤波器进行滤波，得到第一特征矩阵；将所述第一特征矩阵通过编码器来提取特征，得到低维特征嵌入；将所述低维特征嵌入通过解码器重构原始特征，得到重构特征矩阵；根据所述低维特征嵌入通过EM算法对卡尔曼滤波器进行优化，得到最优的滤波器参数，并基于所述最优的滤波器参数重新设置所述卡尔曼滤波器；根据重构特征矩阵和第一特征矩阵计算重构误差，并以重构误差作为损失函数优化深度学习模型参数；将待处理的时序信号输入至优化完成的深度学习模型中，计算所述待处理的时序信号的异常分数，根据所述异常分数进行异常检测。
全文数据：
权利要求：
百度查询： 福州安玉科技有限公司 优化卡尔曼滤波器的时序信号异常检测方法、介质和设备
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号