[发明专利]一种基于正则化向量自回归模型的传感器异常检测方法

摘要

本发明涉及一种基于正则化向量自回归模型的传感器异常检测方法，包括：(1)建立多元线性回归模型，并确定目标函数；利用传感器采集数据；建立数据点的最近邻图，图由n个顶点构成，其中每一个顶点对应一个数据点，考虑定点与定点之间的关系，定义边的权重矩阵；为能够克服高维和过度拟合的障碍同时保持原有的数据点之间的相似性，构造约束项；利用目标函数训练模型参数得出最优的参数系数，利用训练所得的模型进行异常检测。本发明可以更好地预测原始数据。

主权项

一种基于正则化向量自回归模型的传感器异常检测方法，包括下列步骤：(1)建立多元线性回归模型，并确定目标函数；(2)利用传感器采集数据；(3)建立数据点的最近邻图，图由n个顶点构成，其中每一个顶点对应一个数据点，考虑定点与定点之间的关系，定义边的权重矩阵W如下：$w_{ij}=\left\{\begin{array}{cc}1,& \begin{array}{cccc}if& x_i\∈N_p\left(x_j\right)& or& x_j\∈N_p\left(x_i\right)\end{array}\\ 0,& otherwise\end{array}\right.$其中N_p(x_i)表示数据点x_i的p个最近邻点组成的数据集合，定义L＝D‑W，D是对角矩阵，其对角元素是当前行或列向量之和，即称L为图拉普拉斯矩阵；(4)为能够克服高维和过度拟合的障碍同时保持原有的数据点之间的相似性，构造约束项：$R=\frac{1}{2}\underset{i,j=1}{\overset{N}{\Σ}}\left|\right|x_i-x_j|{|}_2^2{W}_{ij}=\underset{j=1}{\overset{N}{\Σ}}{x}_i^T{x}_i{D}_{ij}-\underset{i,j=1}{\overset{N}{\Σ}}{x}_i^T{x}_j{W}_{ij}$(5)利用目标函数训练模型参数得出最优的参数系数，利用训练所得的模型进行异常检测。