公开(公告)号：CN118736322B

公开(公告)日：2024-12-27

申请号：CN202410953220.X

申请日：2024-07-16

Applicant: 江苏大学

Inventor： 宋和平 ,  钱玉森 ,  林琳 ,  王新升

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于邻域原子增强的深度字典学习在异常检测中的应用方法，包括以下步骤：1.构建多尺度特征提取深度字典网络用于进行训练获取待测样本中的全局特征；2.对数据进行预处理；3.对预处理后的数据进行多维特征提取；4.利用k‑means算法分割样本，构造样本的近邻流形，计算图的权重矩阵；5在邻域流形内局部建模，获取数据点之间的自表达关系，收集自表达信息用于加权字典原子的更新，学习局部特征；6.通过自适应图学习模块对数据进一步处理，增强局部特征；7.将多个层次的特征表示进行融合，获得最终的特征表示；8.使用SVM进行分类，识别和输出异常检测结果。该方法在捕捉数据局部结构和动态变化方面表现优越，显著提高了异常检测的准确率，克服了现有技术的不足。

公开(公告)号：CN118736322A

公开(公告)日：2024-10-01

申请号：CN202410953220.X

申请日：2024-07-16

Applicant: 江苏大学

Inventor： 宋和平 ,  钱玉森 ,  林琳 ,  王新升

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于邻域原子增强的深度字典学习在异常检测中的应用方法，包括以下步骤：1.构建多尺度特征提取深度字典网络用于进行训练获取待测样本中的全局特征；2.对数据进行预处理；3.对预处理后的数据进行多维特征提取；4.利用k‑means算法分割样本，构造样本的近邻流形，计算图的权重矩阵；5在邻域流形内局部建模，获取数据点之间的自表达关系，收集自表达信息用于加权字典原子的更新，学习局部特征；6.通过自适应图学习模块对数据进一步处理，增强局部特征；7.将多个层次的特征表示进行融合，获得最终的特征表示；8.使用SVM进行分类，识别和输出异常检测结果。该方法在捕捉数据局部结构和动态变化方面表现优越，显著提高了异常检测的准确率，克服了现有技术的不足。