-
公开(公告)号：CN109034140A
公开(公告)日：2018-12-18
申请号：CN201811072320.2
申请日：2018-09-13
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/00536 , G06K9/6256 , G06N3/08
Abstract: 基于深度学习结构的工业控制网络信号异常检测方法，涉及工业控制网络数据中异常值检测的技术领域。本发明是为了解决现有的方法中对判别正常数据和异常值需要人为界定，对于少量异常值难以检测的问题。从工业控制网络数据中选取部分数据作为训练样本，对该训练样本进行数据归一标准化操作，得到归一化后的已标定数据，采用数据增强算法为归一化后的已标定数据增加一些假样本数值形成被检测数据；将正常数据和被检测数据各输入到一个自编码器压缩网络中进行训练，分别得到训练后的数据；将该数据输入到对比网络中经过深度神经网络的计算，得到正常数据和被检测数据之间的距离，采用分类器根据距离判定被检测数据中的异常值。它用于信号异常检测。
-
公开(公告)号：CN109034140B
公开(公告)日：2021-05-04
申请号：CN201811072320.2
申请日：2018-09-13
Applicant: 哈尔滨工业大学
Abstract: 基于深度学习结构的工业控制网络信号异常检测方法，涉及工业控制网络数据中异常值检测的技术领域。本发明是为了解决现有的方法中对判别正常数据和异常值需要人为界定，对于少量异常值难以检测的问题。从工业控制网络数据中选取部分数据作为训练样本，对该训练样本进行数据归一标准化操作，得到归一化后的已标定数据，采用数据增强算法为归一化后的已标定数据增加一些假样本数值形成被检测数据；将正常数据和被检测数据各输入到一个自编码器压缩网络中进行训练，分别得到训练后的数据；将该数据输入到对比网络中经过深度神经网络的计算，得到正常数据和被检测数据之间的距离，采用分类器根据距离判定被检测数据中的异常值。它用于信号异常检测。
-
Search Results
2
records
(took 0.015 seconds)
