申请/专利权人:华南理工大学
申请日:2021-07-22
公开(公告)日:2024-04-30
公开(公告)号:CN113673573B
主分类号:G06F18/214
分类号:G06F18/214;G06F18/241
优先权:
专利状态码:有效-授权
法律状态:2024.04.30#授权;2021.12.07#实质审查的生效;2021.11.19#公开
摘要:本发明公开了一种基于自适应集成随机模糊分类的异常检测方法。所述方法包括以下步骤:采用平衡下采样方法,对数据块进行多次随机下采样,生成多个随机采样子集;采用基于规则的自组织模糊逻辑分类方法,通过对随机采样子集进行学习,建立起模糊逻辑规则以形成多个随机模糊分类组件,并采样加权投票机制进行输出;采用动态加权算法与随机模糊分类组件结合,根据随机模糊分类组件的分类性能赋予权重,并实现组件权重的迭代更新;通过事先设定的阈值,来动态的实现随机模糊分类组件的增减,最终形成自适应的集成随机模糊分类模型;集成随机模糊分类模型采用加权投票机制将最终的预测结果进行输出。本发明提升了模型在处理异常检测问题的效率。
主权项:1.一种基于自适应集成随机模糊分类的异常检测方法,其特征在于,包括以下步骤:S1、采用平衡下采样方法,对数据块进行多次随机下采样,生成多个随机采样子集;具体包括如下步骤:首先在训练阶段,对数据集进行分块,分成M个数据块,然后将每个数据块中的数据分为两类,样本数目多的类别为多数类,样本数量少的类别为少数类,分别计算多数类和少数类中样本的数量;然后从多数类的样本中进行T次随机采样,每次采样的多数类的样本数量与少数类的样本数量相等;将随机采样T次后多数类的样本分别与少数类的样本相结合,生成T个随机采样子集;随机采样T次后如果当前数据块中多数类的样本数少于3,则将当前数据块添加到下一个数据块中;S2、采用基于规则的自组织模糊逻辑分类方法,通过对随机采样子集进行学习,建立起模糊逻辑规则以形成多个随机模糊分类组件,并采用加权投票机制进行输出;S3、采用动态加权算法与随机模糊分类组件结合,根据随机模糊分类组件的分类性能赋予权重,并实现组件权重的迭代更新;通过事先设定的阈值,来动态的实现随机模糊分类组件的增减,最终形成自适应的集成随机模糊分类模型;S4、集成随机模糊分类模型采用加权投票机制将最终的预测结果进行输出;集成随机模糊分类方法通过公式10采用加权投票机制将最终的预测结果进行输出: 其中,表示时间戳t′对应的训练数据x′所对应的第s个随机模糊分类组件,表示为加权投票后最大权重值所对应的分类结果。
全文数据:
权利要求:
百度查询: 华南理工大学 一种基于自适应集成随机模糊分类的异常检测方法
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。