[发明专利]一种非监督学习识别异常值的方法

权利要求书

1.一种非监督学习识别异常值的方法，其特征在于：包括下列步骤：

S100、设定参数；

S200、在所述设定参数中的第t次迭代中计算输出异常得分向量AS_t；

S300、经过T次迭代后，把异常值得分从高到低排序整合为向量SAS_t；

S400、向量SAS_t按照函数F合并为向量AS_FINAL；

S500、进行仿真实验。

2.根据权利要求1所述的一种非监督学习识别异常值的方法，其特征在于：所述S100中设定参数的方法为：设定的参数总共包括T次迭代过程，t＝1,2,3…T轮迭代，数据集X的变量数为d，m为数据集样本量大小，也是每个向量中的数据个数，S是数据集。

3.根据权利要求1所述的一种非监督学习识别异常值的方法，其特征在于：所述S200中，在其中的第t次迭代，随机不放回的选择变量数大小为N_t，数值在d/2至d间，构造一个子集F_t，在子集F_t中使用异常值检测方法LOF，其中LOF为Local outlier factor离群点检测算法。

4.根据权利要求1所述的一种非监督学习识别异常值的方法，其特征在于：所述S400中，迭代的异常值得分整合得到向量AS_FINAL的函数F包括如下两种方式：

方式一：创造序列Ind_t，结合数据集Ind_t信息，组合成数据向量Ind_FINAL和异常值得分AS_FINAL，在将异常值得分排序后，将有最高异常值得分的数据AS_1,1,AS_2,1.....AS_t,1插入到Ind_FINAL中，再将异常值得分第二高的数据AS_1,2,AS_2,2.....AS_t,2放到Ind_FINAL后，如果得到的数据已经在Ind_FINAL出现过，则不再将数据附在Ind_FINAL后，最终得到与成为异常值的概率对应的数据集Ind_FINAL，和包括异常值概率的AS_FINAL，最终得到Ind_FINAL中按照异常值得分从大到小排列的各个数据；

方式二：输出排序后的向量SAS_t对应的Ind_t，运用加权平均算出综合异常值得分为向量AS_FINAL，将向量AS_FINAL的内部得分排序，得分最高的被认为是异常值。

5.根据权利要求1所述的一种非监督学习识别异常值的方法，其特征在于：所述S400中向量AS_FINAL＝F(SAS_t),t＝1...T。