摘要
本发明公开了一种企业排污异常检测方法及系统,充分利用无标签数据并根据无标签数据学习一个编码器,利用编码器对同类数据进行相似编码,并使不同类别的数据的编码尽可能不同,再利用学习到的编码器处理有标签数据,有效地区分同类样本和不同类别样本,并使用分类器训练经过编码器处理后的数据,提高模型的预测性能。另外在进行学习训练编码器时无需用有标签数据,可以充分利用实际中大量无标签数据和解决打标签耗时耗力问题,对于数据中存在的有标签数据,同时有效提取同类样本特征的基础上充分利用有监督学习模型的优势,提升模型的性能,进而利用分类器输入企业排污数据的预测结果,其与当前企业的排污数据作比,进而准确判断企业排水异常状况。
技术关键词
无标签数据
预测网络模型
异常检测方法
样本
企业
序列
编码器训练
监督学习模型
异常检测系统
分类器训练
处理单元
信噪比
计算机程序产品
异常状况
锚点
系统为您推荐了相关专利信息
风险评分模型
试剂盒
mRNA表达谱
标志物
标记
表面污染仪
示数识别方法
屏幕
识别系统
数据采集模块
结直肠癌药物
辅助诊断试剂盒
检测结直肠癌
分子生物技术
标志物
抗环瓜氨酸肽抗体
诊断类风湿关节炎
类风湿关节炎诊断
鸟氨酸
酪氨酸
数据处理模型
建模方法
脚本
GIS数据处理
编程