[发明专利]一种检测固件版本导致的可穿戴设备能耗异常的方法

权利要求书

1.一种检测固件版本导致的可穿戴设备能耗异常的方法，其特征在于，包括以下步骤：

步骤一、影响能耗的相关因素数据的提取；

步骤二、数据的直角坐标转换成角坐标；

步骤三、通过聚类算法对训练集中异常数据的提取与清除；

步骤四、基于改进的多元线性回归模型的训练；

步骤五、对实时数据进行打分预测；

步骤六、设定阈值来检测异常；

步骤七、基于相同固件版本的能耗异常检测平台搭建。

2.根据权利要求1所述的一种检测固件版本导致的可穿戴设备能耗异常的方法，其特征在于，所述影响能耗的相关因素数据的提取步骤如下：

1)获取影响能耗数据，并对数据进行处理和格式转换，转换为需求数据模式；

2)将1)中相同设备ID作为同一组数据，对同一个充电周期里的相邻两次的各个量进行差值；

3)取各个量的相关系数，并将r＝0.4作为判断相关性强的阈值。

3.根据权利要求1所述的一种检测固件版本导致的可穿戴设备能耗异常的方法，其特征在于，所述通过聚类算法对训练集中异常数据的提取与清除的方法如下：

1)完成步骤二多元数据角坐标转换之后，进行n＝3的聚类，将异常数据聚类成两类，正常数据聚类成另一类；

2)将异常的已经聚成类的数据去除掉，留下正常的数据值；

3)将剩余的正常的数据值重新转化成直角坐标系的坐标。

4.根据权利要求1所述的一种检测固件版本导致的可穿戴设备能耗异常的方法，其特征在于，所述所述基于改进的多元线性回归模型的训练的步骤如下：

1)设定数字量特征分别是：u₀、u₁、u₃……u_n等等，取值为0或1；

2)以某一个数字量特征的开启状态为条件，从海量数据中筛选出需求数据；

3)引入多元线性回归模型，并将数据分成训练集和测试集；

4)设定最终模型；

5)从原始数据中选取一部分数据，通过校正决定系数，对模型精度进行评估。

5.根据权利要求1所述的一种检测固件版本导致的可穿戴设备能耗异常的方法，其特征在于，所述对实时数据进行打分预测中通过将实时数据的自变量导入模型得到预测的因变量的值，并通过与真正的的因变量的值进行比较得到打分值。

6.根据权利要求1所述的一种检测固件版本导致的可穿戴设备能耗异常的方法，其特征在于，所述设定阈值来检测异常中通过设定的阈值来判断步骤五的打分值是否超出阈值，若超出阈值则被判定为异常值，否则就是正常值。

7.根据权利要求1所述的一种检测固件版本导致的可穿戴设备能耗异常的方法，其特征在于，所述基于相同固件版本的能耗异常检测平台搭建中相同的固件版本对应多款手表，多款手表出现了能耗异常情况则判定为固件版本问题。

8.根据权利要求1所述的一种检测固件版本导致的可穿戴设备能耗异常的方法，其特征在于，所述步骤七中，搭建spark分布式平台，每一个RDD中的partition对应一款手表的训练模型，结合前面六个步骤所述，训练同一个固件版本下不同型号设备的模型，数据采集模块对采集的数据进行实时的异常检测。