[发明专利]基于自编码器和遗传算法的高维数据异常子空间检测方法在审
| 申请号： | 202110650606.X | 申请日： | 2021-06-10 |
| 公开（公告）号： | CN114036992A | 公开（公告）日： | 2022-02-11 |
| 发明（设计）人： | 李嘉木;张吉;王箭;朱友文;许启强 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/12 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 211106 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自编码器和遗传算法的高维数据异常子空间检测方法。所提出的AEG模型包括两部分结构，第一部分是用神经网络构建稀疏自编码器，利用绝对正常的无标签数据迭代优化学习最佳的编码‑解码方案，将测试数据输入训练完善的稀疏自编码器中并基于重建误差得到数据点的异常分数，结合自动阈值检测高维数据的异常值。第二部分结合自适应遗传算法对稀疏自编码器检测到的异常数据集进行高维异常子空间搜索，从而实现异常点的异常子空间定位，对于得到的异常子空间特征可以投入进一步的分类训练。本发明实现了更加简单快速的异常过滤，提高了高维数据的异常值检测及异常子空间定位的效率，提高了异常现象的解释性。 | ||
| 搜索关键词： | 基于 编码器 遗传 算法 数据 异常 空间 检测 方法 | ||
【主权项】：
暂无信息
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航空航天大学，未经南京航空航天大学许可，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/202110650606.X/，转载请声明来源钻瓜专利网。
