【技术实现步骤摘要】
本专利技术涉及机器学习，特别是涉及一种异常数据检测模型的更新方法、装置及电子设备。
技术介绍
1、异常数据检测模型是在日常生活中发挥重要作用的一类模型，在金融、工业、科研等领域都有很多应用。又例如，可通过异常数据检测进行工业产品的瑕疵检测，以代替人眼进行测量和判断。
2、相关技术中，可以首先确定异常数据的定义规则，从而，利用与上述定义规则相匹配的样本数据训练得到异常数据检测模型，但是，所得到的异常数据检测模型只能对与满足上述定义规则的异常数据进行检测；而当异常数据的定义规则发生变化时，上述所得到的异常数据检测模型将无法适用于新的定义规则。
3、基于此，如何提高异常数据检测模型对多变的异常数据的定义规则的适用性，进而，提高异常数据检测模型的可用性和鲁棒性，成为当前亟需解决的问题。
技术实现思路
1、本专利技术实施例的目的在于提供一种异常数据检测模型更新方法、装置及电子设备，以实现提高异常数据检测模型对多变的异常数据的定义规则的适用性，进而，提高异常数据检测模型的可用性...
【技术保护点】
1.一种异常数据检测模型的更新方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取利用所述至少一种数据增强分别对同一组正常数据进行处理所生成的各组基准数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述利用所述基础数据与各个目标数据，计算所述基础数据与每种数据增强的相关系数，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于各个第一距离，计算该基础数据与该组目标数据对应的数据增强的第二距离，包括：
5.根据权利要求3或4所述的方法，其特征在于，所述基于各个第二距离，计算每个...
【技术特征摘要】
1.一种异常数据检测模型的更新方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取利用所述至少一种数据增强分别对同一组正常数据进行处理所生成的各组基准数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述利用所述基础数据与各个目标数据，计算所述基础数据与每种数据增强的相关系数，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于各个第一距离，计算该基础数据与该组目标数据对应的数据增强的第二距离，包括：
5.根据权利要求3或4所述的方法，其特征在于，所述基于各个第二距离，计算每个基础数据与每种数据增强的相关系数，包括：
6.根据权利要求5所述的方法，其特征在于，所述确定指定距离包括：
7.根据权利要求5所述的方法，其特征在于，所述基于各个第二距离与所述指定距离的大小关系，计算每个基础数据与每种数据增强的相关系数，包括：
8.根据权利要求1所述的方法，其特征在于，所述针对每种数据增强，基于所述基础数据与该种数据增强的相关系数和预设系数阈值的数值关系，以及所述反馈结果所表征的所...
【专利技术属性】
技术研发人员：孙海鸣，浦世亮，姜伟浩，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。