公开(公告)号：CN112948368A

公开(公告)日：2021-06-11

申请号：CN202110355665.4

申请日：2021-04-01

Applicant: 哈尔滨理工大学

Inventor： 马朋彬 ,  张凤斌 ,  梁璐

IPC: G06F16/215

Abstract: 本发明公开一种基于数据关联性的深度异常检测方法，方法包括步骤：S1、确定数据判断异常的标准，并输入数据库，保存；S2、输入新数据，将数据输入数据库并与数据库中的数据进行比对；S3、判断数据是否异常，如果数据没有异常，则返回S2，如果数据有异常，则对异常数据进行修正，修正完成后返回S2；S4、根据异常数据找到数据库中的修正方法并进行自主修正；本发明的有益效果是：通过提前确定判断异常数据的标准，可以将新数据与数据库中的数据进行比对，并提醒相关人员将检测出的异常数据进行修正，根据异常数据提供修正方法，并将新的修正方法保存，在下次遇到该异常数据时将此修正方法提供给相关人员，便于数据修正。

公开(公告)号：CN112951415A

公开(公告)日：2021-06-11

申请号：CN202110356544.1

申请日：2021-04-01

Applicant: 哈尔滨理工大学

Inventor： 梁璐 ,  张凤斌 ,  马朋彬

IPC: G16H50/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的时间序列异常检测系统，包括用户、检测模块、显示模块、报警模块和电源模块，用户和检测模块相连接，显示模块和报警模块均与检测模块相连接，电源模块分别为报警模块、检测模块和显示模块供电，本发明中，通过保持数据异常的标准以及阈值，实时检测时间序列数据，并且能够根据当前时间序列的趋势，进而计算超过阈值所需要的时间，并提前进行报警，进而进一步的保障了病人的安全，节省了大量的人力物力。