公开(公告)号：CN113313212B

公开(公告)日：2023-06-06

申请号：CN202110726093.6

申请日：2021-06-29

Applicant: 福建师范大学

Inventor： 肖如良 ,  李一奇 ,  张仕 ,  蔡声镇

IPC: G06F18/214 ,  G06N3/006 ,  G06N3/08

Abstract: 本发明涉及一种基于果蝇嗅觉神经网络的隐性异常检测方法及其装置，其包括以下步骤：S1：获取一串具有正常的相同数据的数据流为训练组，一串具有正常的相同数据中混有异常数据的混合数据流为测试组；S2：构建一个果蝇嗅觉神经网络，利用训练组对果蝇嗅觉神经网络进行“习惯化”；S3：利用赢者通吃策略对测试组中异常数据特征提取，输出异常数据的稀疏二值化的特征向量；S4：异常数据的稀疏二值化的特征向量输入的全连接层，采用梯度下降法进行训练并输出结果；S5:建立基于果蝇嗅觉神经网络的隐性异常检测模型，采用以上技术方案能够过滤掉冗余信息，增强对具有相似信息中新数据的辨别能力，提高物联网系统隐性异常的检测能力。

公开(公告)号：CN113313212A

公开(公告)日：2021-08-27

申请号：CN202110726093.6

申请日：2021-06-29

Applicant: 福建师范大学

Inventor： 肖如良 ,  李一奇 ,  张仕 ,  蔡声镇

IPC: G06K9/62 ,  G06N3/00 ,  G06N3/08

Abstract: 本发明涉及一种基于果蝇嗅觉神经网络的隐性异常检测方法及其装置，其包括以下步骤：S1：获取一串具有正常的相同数据的数据流为训练组，一串具有正常的相同数据中混有异常数据的混合数据流为测试组；S2：构建一个果蝇嗅觉神经网络，利用训练组对果蝇嗅觉神经网络进行“习惯化”；S3：利用赢者通吃策略对测试组中异常数据特征提取，输出异常数据的稀疏二值化的特征向量；S4：异常数据的稀疏二值化的特征向量输入的全连接层，采用梯度下降法进行训练并输出结果；S5:建立基于果蝇嗅觉神经网络的隐性异常检测模型，采用以上技术方案能够过滤掉冗余信息，增强对具有相似信息中新数据的辨别能力，提高物联网系统隐性异常的检测能力。