[发明专利]多模态数据缺失下的无监督异常检测方法

摘要

本发明公开了一种多模态数据缺失下的无监督异常检测方法，利用多个工业传感器采集机械设备运行状态数据，建立多模态数据集，对该数据集进行预处理，并将预处理后的数据集划分为训练集与测试集；构建用于多模态数据缺失下异常检测的无监督深度网络模型；然后使用训练集对所构建的深度模型进行训练；对训练集进行推理并得到训练集样本异常值，使用核密度估计重建训练集样本异常值的概率分布，根据该分布和置信度确定异常检测阈值；对测试集进行推理并得到测试集样本的异常值，根据阈值给出测试集样本的异常检测结果。本发明基于无监督学习框架，充分挖掘和利用多模态数据信息，为在任意模态数据缺失下的异常检测提供了一种有效方案。