一种工业数据无标签异常检测算法及系统

本发明提供了一种工业数据无标签异常检测算法，包括对获取得连续生产时序数据做滑窗处理后，进行无监督聚类学习，并将聚类结果作为其中一个额外的特征结合进连续生产时序数据中；将得到的K个聚类标签的时序数据，采用低秩图时空网络的方法进行冗余信息的处理，最终将结合时间和空间特征的数据使用全连接输出；将得到的高维时空特征数据采用递归神经网络进一步加强时序特征的学习，输出高维时空特征数据中的数据分布；将得到的数据分布进行概率分布统计，结合聚类结果判断该滑窗时间段内的时序数据是否存在异常。本技术方案通过使用无标签异常数据训练学习以及低秩图深度学习网络，实现对无标签工业场景流水线的异常数据进行快速检测，有效提高风险预警的速度及准确度。