基于逻辑斯蒂回归的信息物理系统行为挖掘算法技术方案

本发明专利技术公开了一种基于逻辑斯蒂回归的信息物理系统行为挖掘算法，步骤如下：收集Udacity提供的无人驾驶汽车的运行数据中，包括汽车运行的速度和控制盘的角度；对收集到的信号数据进行打标签，如果是正常行为产生的，则标记为正，反之标记为负；给定无人驾驶汽车需要学习的信号时序逻辑公式模板；结合机器学习中的逻辑斯蒂回归和信号时序逻辑，定义度量判别模型用于行为挖掘；总结出LRx的信息物理系统的行为挖掘算法；使用LRx算法可以从信息物理系统中学习出行为规范。本发明专利技术方法适用于现在复杂的信息物理系统的行为挖掘，相比于传统的机器学习的方法，具有可解释的优点，相比于传统的模型检测算法具有轻量级检测的好处，并提高了计算效率。

Behavior mining algorithm of information physics system based on logistic regression

【技术实现步骤摘要】
基于逻辑斯蒂回归的信息物理系统行为挖掘算法
本专利技术了一种基于逻辑斯蒂回归的信息物理系统行为挖掘算法。结合了机器学习中的逻辑斯蒂回归和信号时序逻辑，定义了度量判别模型，提出了基于梯度下降的优化算法，最后总结出LRx算法，对复杂的信息物理系统进行行为的挖掘，便于后续的安全性验证。
技术介绍
信息物理系统(Cyber-PhysicalSystems，简称为CPS)主要由复杂的软件系统和精密的物理设备组成，应用于飞机，汽车和医疗设备等领域，我们往往对其具有很高的安全性要求。但是由于系统内部的复杂性，对其进行安全性的验证一直是棘手的问题。传统的模型检测方法需要建立精细准确的模型，设计出规约，才能进行安全性验证。然而，准确地设计出复杂的信息物理系统的数学模型往往不切实际，但是我们却可以容易得到系统产生的信号数据。信号时序逻辑(SignalTemporalLogic，简称为STL)拓展了带有连续时间的度量时序逻辑(MetricTemporalLogic，简称为MTL)，并且使用了带有实数变量的谓词，它能够准确地推理出具有连续和离散的信息物理系统的本文档来自技高网...

【技术保护点】
1.基于逻辑斯蒂回归的信息物理系统行为挖掘算法，其特征在于：/n1)定义了信号时序逻辑中的定性语义和鲁棒性语义；/n2)结合了机器学习中的逻辑斯蒂回归；/n3)定义了度量判别模型；/n4)提出使用梯度下降算法，总结出LRx算法。/n

【技术特征摘要】
1.基于逻辑斯蒂回归的信息物理系统行为挖掘算法，其特征在于：
1)定义了信号时序逻辑中的定性语义和鲁棒性语义；
2)结合了机器学习中的逻辑斯蒂回归；
3)定义了度量判别模型；
4)提出使用梯度下降算法，总结出LRx算法。


2.如权利要求1所述的基于逻辑斯蒂回归的信息物理系统行为挖掘的算法，其特征在于定义了信号时序逻辑中的定性语义和定量语义。定性语义和鲁棒性语义的提出，使得信号时序逻辑可以用于数值计算，为后面结合逻辑斯蒂回归打下基础。


3.如权利要求1所述的基于逻辑斯蒂回归的信息物理系统行为挖掘的算法，其特征在于结合了机器学习中的逻辑斯蒂回归。逻辑斯蒂回归是一种有监督学习的分类方法，其核心函数是sigmoid函数我们将sigmoid函数和信号时序逻辑的定量语义结合起来，使得信号时序逻辑可以用于对信号数据的分类。


4.如权利要求1所述的基于逻辑斯蒂回归的信息物理系统行为挖掘的算法，定义了度量判别模型，用于判别由信息物理系统产生的不同的信号数据。
(度量判别模型)给定一条时序路径τ以及带有参数α的安全性规约PSTL公式φ，我们给出信号数据x满足公式φ的概率为以及不满足公式φ的概率为比较上述两个条件概率，将信号数据x预测为概率较大的那一类。根据鲁棒性定义，显然当g(x)＞α时，公式的鲁棒性大于0，则P(y＝1|x)＞P(y＝0|x)，此时时序路径τ满足公式的安全性规约；当g(x)＜α时，公式的鲁棒性小于0，则P(y＝1|x)＜P(y＝0|x)，此时时序路径τ不满足公式的安全性规约。这样，如果给定N条带有标记的信号数据集X，我们可以写出如下的似然函数表示：



上述的似然函数表述的...

【专利技术属性】
技术研发人员：胡名光，曹子宁，卜星晨，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32