[发明专利]一种电力内外网交互中的敏感图像识别方法

摘要

本发明提供一种电力内外网交互中的敏感图像识别方法，包括1，在电力内网系统中收集样本图像，形成样本图像集，采用人工标注的方式，对样本图像进行敏感性和非敏感性标注；2，选取样本图像的特征项；3，根据选取的特征项提取样本图像集的特征数据集；4，采用机器学习方法，根据样本图像集的特征数据集和对应的敏感性或非敏感性的标注，训练得到分类模型；5，基于分类模型进行敏感图像识别，当误判率小于设置的误判阀值时，判断当前分类模型符合预期目标，训练结束；当误判率大于等于该误判阀值时，重新选取样本图像的特征项后，执行3。本发明提供的一种方法，基于机器学习法来识别敏感图像，在有限样本的情况下能够得到较为优秀的分类模型。

主权项

一种电力内外网交互中的敏感图像识别方法，其特征在于，所述方法包括：步骤1，在电力内网系统中收集样本图像，形成样本图像集，采用人工标注的方式，对所述样本图像进行敏感性和非敏感性标注；步骤2，选取所述样本图像的特征项；步骤3，根据所述选取的特征项提取生成所述样本图像集的特征数据集；步骤4，采用机器学习方法，根据所述样本图像集的特征数据集和对应的敏感性或非敏感性的标注，训练得到分类模型；步骤5，基于所述分类模型进行敏感图像识别，当误判率小于设置的误判阈值时，判断当前分类模型符合预期目标，训练结束；当所述误判率大于等于所述误判阈值时，重新选取所述样本图像的特征项后，执行步骤3；所述步骤4中得到的所述分类模型为以特征值为参数的函数集合，所述函数集合包含所述样本图像中敏感图像和非敏感图像的分类超平面；所述步骤5包括：步骤501，根据当前分类模型以及当前样本图像合集，计算曲线下面积的值以及混淆矩阵；AUC的值为正确包含在所述敏感图像和非敏感图像的分类超平面内的样本的百分比；所述混淆矩阵的参数包括：正确判断为敏感的图像数量C1、正确判断为非敏感的图像数量C2、误判为敏感的图像数量C3和误判为非敏感的图像数量C4；步骤502，当所述AUC的值大于等于设定的阈值并且所述混淆矩阵优于设定值时，判断所述当前分类模型符合分类期望，结束步骤5；当所述AUC的值小于所述设定的阈值或者所述混淆矩阵劣于所述设定值时，执行步骤503；步骤503，通过添加或删除所述样本图像的特征项重新选取所述样本图像的特征项，执行步骤3。