摘要
本发明公开了一种基于KL散度和置换检验的异常检测与漂移解释方法,其实现步骤为:利用零阳性样本集训练自编码器;利用自编码器将待检测样本压缩成低维表示,利用孤立森林进行异常检测;系统关键事件发生后,计算事件样本与零阳性样本集的KL散度,并利用置换检验方法进行漂移检测;通过核密度估计方法估计样本的局部密度,确定漂移样本;通过孤立森林算法计算特征的重要性,从而解释漂移的成因;本发明解决了现有技术中漂移检测效率低、缺乏漂移解释的问题,提高了漂移检测的效率,并提供了漂移原因解释,可用于各类设备的实时异常检测和数据变化监控场景。
技术关键词
样本
核密度估计方法
数据分布
森林方法
神经网络模型
编码器
概念
异常数据
检测数据输入
孤立森林算法
高密度
重构
检验方法
节点
平滑度
解码
分箱
训练集
系统为您推荐了相关专利信息
直肠癌
模糊规则
图像
TSK模糊系统
模糊C均值算法
命名实体识别模型
语义
命名实体识别方法
识别命名实体
编码特征
机器学习回归算法
快速检测方法
光谱预处理方法
样本
彩色马铃薯