基于SVDD算法的高维非线性传感器数据流异常点检测
高峰
福州理工学院,福州 350000
摘要：传感器数据通常具有高维特征,且在实际工业环境中可能存在复杂的非线性关系.如何有效处理高维度、非线性和复杂的数据特征,是当前研究的难点问题.为此本研究基于支持向量数据描述算法,针对高维非线性传感器数据流进行异常点检测.采用生成对抗网络提取高维非线性数据特征,通过主成分分析方法对提取得到的特征进行降维处理,以减少数据维度.使用经过降维处理的数据训练SVDD模型,通过求解对偶问题,得到的支持向量的系数和阈值等参数,以确定异常检测的决策边界,根据决策边界实现异常点检测.通过实验验证可知,所提方法的异常检出率较高,误报率较低,得出SVDD算法在高维非线性传感器数据流中异常点检测具有有效性,证明了其在实际工程应用中的潜在价值.
关键词：SVDD算法传感器数据流异常点生成对抗网络主成分分析
分类号：TP391(计算技术、计算机技术)
资助基金：福建省教育厅项目(JAT191007)
论文发表日期：2024-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 65-69 )
英文信息