-
公开(公告)号：CN109612513B
公开(公告)日：2021-10-15
申请号：CN201811541556.6
申请日：2018-12-17
Applicant: 安徽农业大学
Abstract: 本发明公开了一种面向大规模高维传感器数据的在线式异常检测方法，包括以下步骤：（101）、获取历史数据；（102）、建立深度信念网络‑1/4球面支持向量机混合模型对数据进行降维和检测；（103）、利用历史数据对混合模型进行训练；（104）、采集传感器数据；（105）、创建滑动窗口，实现在线检测技术；（106）、利用上面训练好的混合模型对传感器采集的数据进行检测；（107）、输出检测后所有的异常数据。本发明改进了现有技术的相关算法和流程，提出了一个在处理高维度数据时，实现在线检测技术的方法，在大大地提高了异常数据检测的正确率的同时大大降低了检测时间。
-
公开(公告)号：CN110309886B
公开(公告)日：2022-09-20
申请号：CN201910610145.6
申请日：2019-07-08
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于深度学习的无线传感器高维数据异常检测方法，包括以下步骤：（101）、获取历史数据；（102）、建立DBN‑QSSVM混合模型；（103）、利用传感器历史数据对混合模型进行训练；（104）、采集待检测的传感器测试数据；（105）、利用（103）中训练好的DBN‑QSSVM混合模型对传感器测试数据进行异常检测；（106）、输出传感器测试数据中的异常数据。本发明改进了现有技术的相关算法和流程，提出了一个在处理高维度数据时，实现在线检测技术的方法，可以在不降低数据异常检测方法准确性的情况下，大大降低该方法的空间和时间复杂度，从而更加适用于大规模高维数据异常检测。
-
公开(公告)号：CN109612513A
公开(公告)日：2019-04-12
申请号：CN201811541556.6
申请日：2018-12-17
Applicant: 安徽农业大学
Abstract: 本发明公开了一种面向大规模高维传感器数据的在线式异常检测方法，包括以下步骤：（101）、获取历史数据；（102）、建立深度信念网络-1/4球面支持向量机混合模型对数据进行降维和检测；（103）、利用历史数据对混合模型进行训练；（104）、采集传感器数据；（105）、创建滑动窗口，实现在线检测技术；（106）、利用上面训练好的混合模型对传感器采集的数据进行检测；（107）、输出检测后所有的异常数据。本发明改进了现有技术的相关算法和流程，提出了一个在处理高维度数据时，实现在线检测技术的方法，在大大地提高了异常数据检测的正确率的同时大大降低了检测时间。
-
公开(公告)号：CN110309886A
公开(公告)日：2019-10-08
申请号：CN201910610145.6
申请日：2019-07-08
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于深度学习的无线传感器高维数据异常检测方法，包括以下步骤：（101）、获取历史数据；（102）、建立DBN-QSSVM混合模型；（103）、利用传感器历史数据对混合模型进行训练；（104）、采集待检测的传感器测试数据；（105）、利用（103）中训练好的DBN-QSSVM混合模型对传感器测试数据进行异常检测；（106）、输出传感器测试数据中的异常数据。本发明改进了现有技术的相关算法和流程，提出了一个在处理高维度数据时，实现在线检测技术的方法，可以在不降低数据异常检测方法准确性的情况下，大大降低该方法的空间和时间复杂度，从而更加适用于大规模高维数据异常检测。
-
-
-
Search Results
4
records
(took 0.02 seconds)
