一种基于有监督算法与无监督算法相结合的异常检测方法

    公开(公告)号:CN115576981A

    公开(公告)日:2023-01-06

    申请号:CN202211322917.4

    申请日:2022-10-27

    Abstract: 本发明公开了一种基于有监督算法与无监督算法相结合的异常检测方法,属于异常检测技术领域。本发明的步骤为:S1:数据处理;S2:进行初步数据探索,查看数据类型和分布,确定特征处理、特征选择及特征构建方案;S3:多种无监督算法进行数据训练及异常判断;S4:对数据集D中每条记录在M个无监督算法中至少有一个异常标签,则判定为异常记录;S5:进过伪标签标注后,查看正负样本比例;S6:采用随机搜索的方式进行XGBoost超参数的调整;S7:用户指定异常比例c,根据评分进行排序,评分超过阈值的数据即为异常点。本发明针对尾矿库在线监测系统的异常检测,提升了无监督算法的检测性能、模型效果和稳定性。

    一种面向选冶渣场在线监测系统的时间序列异常检测方法

    公开(公告)号:CN115545115A

    公开(公告)日:2022-12-30

    申请号:CN202211322936.7

    申请日:2022-10-27

    Abstract: 本发明公开了一种面向选冶渣场在线监测系统的时间序列异常检测方法,属于选冶渣场在线监测技术领域。本发明的步骤为:从数据库中提取数据,填补缺失值,删除部分相关系数较高的原始指标,对保留下来的指标通过特征工程构建统计特征、时间特征与时序特征;所有特征进行归一化处理,通过无监督算法进行多数投票确定异常标签;对经处理后的标签数据进行特征选择,通过这些重要性指标来提升无监督算法的检测性能;再结合行业标准修正伪标签;最后对无监督算法的检测结果进行加权融合,实现了基于少量监测项目构建统计特征、时间特征和时序特征,以有监督算法辅助无监督算法进行重要特征选取,提高无监督异常检测算法的性能。

Patent Agency Ranking