公开(公告)号：CN116992237A

公开(公告)日：2023-11-03

申请号：CN202311022017.2

申请日：2023-08-14

Applicant: 南京邮电大学

Inventor： 季一木 ,  张世伟 ,  刘尚东 ,  潘金芳 ,  吴宝泰 ,  徐驰 ,  万玲莉 ,  李海天 ,  李昆珈

IPC: G06F18/20 ,  G06F18/214 ,  G06F18/2433 ,  G06F18/213

Abstract: 本发明提供一种基于因子分解的无监督异常检测模型选择方法，通过获得多种类型的原始训练数据集；使用原始训练数据集训练FMOD模型，挖掘数据之间的交叉特征，得到训练后的FMOD模型；当新的数据集输入时，提取新的数据集的特征，生成特征向量；输入到FMOD模型中预测，获得新的数据集在每个异常检测模型上的预测精度，生成异常检测模型推荐列表；该方法，能够充分利用因子分解的方式挖掘数据的高阶特征，能够提高模型的泛化能力和表达能力，有利于在数据特征未知的情况下为数据推荐合适的异常检测模型。