[发明专利]一种蜂窝网络中基于半监督统计的异常检测方法

权利要求书

1.一种蜂窝网络中基于半监督统计的异常检测方法，其特征在于，包括以下步骤：

1)将被检测地区划分为a行b列的方格，其中，每一方格代表一块区域；

2)读取各方格的数据文件，对各方格的数据文件进行预处理，得各方格对应的数据矩阵，选取任意一个数据矩阵作为待检测数据矩阵；

3)对待检测数据矩阵进行分解，得训练集、交叉验证集及测试集；

4)基于训练集计算特征均值μ_train、特征方差及训练集概率密度

5)利用交叉验证集得最佳阈值ε；

6)利用测试集得测试集概率密度

7)利用测试集概率密度及最佳阈值ε判断对应方格是否出现异常；

8)利用训练集概率密度及最佳阈值ε判断对应方格是否出现异常；

9)从剩余数据矩阵任意选取一个数据矩阵作为待检测数据矩阵，然后重复步骤3)至步骤8)，直至遍历所有数据矩阵为止，完成蜂窝网络中基于半监督统计的异常检测。

2.根据权利要求1所述的蜂窝网络中基于半监督统计的异常检测方法，其特征在于，各方格的CDR数据文件均包括方格ID、时间戳、国家地区代码、收到短信的活动、发送短信的活动、呼入电话的活动、呼出电话的活动及由任何网络流量产生的活动。

3.根据权利要求1所述的蜂窝网络中基于半监督统计的异常检测方法，其特征在于，步骤2)的具体操作为：

2a)将各方格的CDR数据文件中丢失数据的值设定为0；

2b)整合时间戳相同的CDR数据文件，将时间戳相同的CDR数据文件中的收到短信的活动、发送短信的活动、呼入电话的活动、呼出电话的活动整合为一项并用活动代替；将CDR数据文件中的数据以1h为间隔进行统计及记录，则一天的数据分为24组，将D天的数据全部提取，构成D×24的矩阵H，矩阵H中的每一行代表一整天的活动，矩阵H中的每一列代表D天中某一时间段的活动，矩阵H的每个值代表一小时的活动；

2c)从矩阵H中提取第h列形成一维矩阵，然后将一维矩阵进行转置，得矩阵Row＝[y_1,h,y_2,h,…y_i,h,…,y_D,h]，i表示该元素y_i,h属于矩阵H的第i行，h表示该元素y_i,h属于矩阵H的第h列，y_i,h表示该元素为第i天中从h-1时到h时的活动。

4.根据权利要求1所述的蜂窝网络中基于半监督统计的异常检测方法，其特征在于，将矩阵Row分成三段，得训练集、初始交叉验证集及测试集，其中，训练集为70％的矩阵Row，初始交叉验证集为15％的矩阵Row，测试集为15％的矩阵Row。

5.根据权利要求1所述的蜂窝网络中基于半监督统计的异常检测方法，其特征在于，从训练集中获取若干异常值A，再将获取得到的异常值A插入到初始交叉验证集中，得交叉验证集，其中，|A-μ_train|>2σ_train，μ_train为训练集的均值，σ_train为训练集的标准差。

6.根据权利要求1所述的蜂窝网络中基于半监督统计的异常检测方法，其特征在于，步骤4)中训练集的概率密度符合均值为μ_j、方差为的高斯模型，其中，概率密度m为训练集的矩阵列数，n为训练集的矩阵行数，表示训练集中第j行第i列的元素，由于训练集为一维矩阵，则有训练集的均值训练集的方差训练集的概率密度表示训练集中第i个元素。