[发明专利]一种基于上下文的无监督关系数据异常检测方法在审
| 申请号： | 201711379664.3 | 申请日： | 2017-12-13 |
| 公开（公告）号： | CN108038211A | 公开（公告）日： | 2018-05-15 |
| 发明（设计）人： | 孟凡;葛笑天;王皓;陈烜松;高阳 | 申请（专利权）人： | 南京大学;江苏省审计厅 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06K9/62 |
| 代理公司： | 苏州威世朋知识产权代理事务所(普通合伙) 32235 | 代理人： | 杨林洁 |
| 地址： | 210009 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于上下文的无监督关系数据异常检测方法，包括以下步骤：将多源关系型数据表进行融合和预处理；计算属性值的Intra依赖值；计算属性值的Inter依赖值；根据Intra属性依赖和Inter属性依赖，计算属性依赖关系图结构；用启发式递归反向淘汰算法计算上下文属性集；用改进的离散属性距离学习算法计算基于上下文属性相似度矩阵；根据参考样本选择器选择参考样本候选集并进一步计算参考样本；计算基于上下文关系数据异常因子序列；计算关系数据异常候选集，并确定异常数据。本发明能够在缺乏先验领域知识的指导下，自动的挖掘和利用关系型数据属性之间的潜在结构和关系，从而进一步进行无监督异常检测。 | ||
| 搜索关键词： | 一种 基于 上下文 监督 关系 数据 异常 检测 方法 | ||
【主权项】：
1.一种基于上下文的无监督关系数据异常检测方法，其特征在于，该方法包括以下步骤：(1)将多源关系型数据表进行融合和预处理；(2)根据所得到的关系型属性计算属性值的Intra依赖值；(3)根据所得到的关系型属性计算属性值的Inter依赖值；(4)根据步骤(2)和(3)计算所得的Intra依赖值和Inter依赖值，计算属性依赖关系结构；(5)用一种启发式递归反向淘汰算法计算上下文属性集；(6)用改进的离散属性距离学习算法，联合上下文属性值和行为属性值，计算基于上下文属性的相似度矩阵；(7)根据参考样本选择器选择参考样本候选集；(8)根据选择的参考样本候选集进一步计算参考样本；(9)根据所计算得到的基于上下文属性的相似度矩阵和参考样本，计算基于上下文关系的数据异常因子序列；(10)计算关系数据异常候选集，并确定异常数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学;江苏省审计厅，未经南京大学;江苏省审计厅许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711379664.3/，转载请声明来源钻瓜专利网。
