[发明专利]生成异常检测模型的方法、异常检测方法及电子设备

说明书

本发明公开了一种生成异常检测模型的方法、异常检测方法及电子设备，生成异常检测模型的方法包括：基于随机旋转矩阵对每个第一密度金字塔对应的第一样本集进行变换，得到每个第一密度金字塔对应的第二样本集；按照设定概率对每个第一密度金字塔对应的第二样本集中的多个维度的指标数据进行采样，得到第二样本集对应的至少一个维度中每个维度的指标数据集；基于每个第一密度金字塔对应的至少一个维度的指标数据集，确定出每个指标数据集中的每个指标数据在对应的第一密度金字塔中的每一层的密度标记值；基于每个指标数据的值、每个指标数据在对应的第一密度金字塔中每一层的密度标记值，以及每个指标数据对应的平均密度标记值，生成异常检测模型。

技术领域

本发明涉及计算机技术领域，尤其涉及一种生成异常检测模型的方法、异常检测方法及电子设备。

背景技术

随着科技的发展，越来越多的可穿戴设备应用于医疗领域。在人们佩戴可穿戴设备的情况下，可穿戴设备可以实时监测人体的各种设定的指标数据，对监测到的指标数据进行异常分析，并上报异常指标。相关技术中，基于局部异常因子(LOF，Local OutlierFactor)算法、或孤立森林(Isolation Forest)算法对指标数据进行异常分析，但时间复杂度较高。

发明内容

有鉴于此，本发明实施例提供一种生成异常检测模型的方法、异常检测方法及电子设备，以解决相关技术中异常检测方法的时间复杂度较高的技术问题。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种生成异常检测模型的方法，包括：

基于随机旋转矩阵对至少一个第一密度金字塔中每个第一密度金字塔对应的第一样本集进行变换，得到每个第一密度金字塔对应的第二样本集；所述第一样本集中的样本为由可穿戴设备采集到的多个维度的指标数据；

按照设定概率对每个第一密度金字塔对应的第二样本集中的所述多个维度的指标数据进行采样，得到第二样本集对应的至少一个维度中每个维度的指标数据集；

基于每个第一密度金字塔对应的所述至少一个维度的指标数据集，确定出每个指标数据集中的每个指标数据在对应的第一密度金字塔中的每一层的密度标记值；

基于每个指标数据的值、每个指标数据在对应的第一密度金字塔中每一层的密度标记值，以及每个指标数据对应的平均密度标记值，生成异常检测模型；其中，

所述异常检测模型用于检测可穿戴设备采集到的指标数据是否异常；所述平均密度标记值表征指标数据在每个第一密度金字塔中的平均密度标记值的均值。

上述方案中，所述基于每个第一密度金字塔对应的所述至少一个维度的指标数据集，确定出每个指标数据集中的每个指标数据在对应的第一密度金字塔中的每一层的密度标记值时，所述方法包括：

确定出第一密度金字塔对应的第一维度的第一指标数据集中的每个指标数据在第一密度金字塔的第f层中的第一密度标记值；f为大于或等于1的整数；

在所述f小于第一密度金字塔的最大设定深度，且存在至少一个第一密度标记值为第一设定值的情况下，基于每两个相邻的指标数据的密度标记值，对第一维度的第一指标数据集中的指标数据进行聚类，得到第一维度的第一指标数据集在第一密度金字塔的第f层的聚类结果；

基于第一密度金字塔的第f层的聚类结果中的每类指标数据，确定出第一密度金字塔的第f+1层对应的第一维度的第二指标数据集中包括的子集；

确定出第一维度的第二指标数据集中的每个子集在第一密度金字塔的第f+1层中的第二密度标记值；其中，

密度标记值表征指标数据在对应的第一金字塔中的对应层中的密度是否小于对应的平均密度；第一设定值表征对应的指标数据在第f层的密度小于对应的平均密度。