【技术实现步骤摘要】
本申请涉及实时安全性评估，特别涉及一种实时安全性评估方法、装置及计算机设备。
技术介绍
1、实时安全评估(real time safety assessment，rtsa)任务用于根据收集到的数据评估当前的安全水平。通常，一个动态系统的安全等级可以定义为系统的运行对周围人和环境的潜在危害的影响程度。在实际应用中，动态系统的安全性不仅受到自身内部状态影响，也会受到系统环境的影响。目前应用不确定性量化技术分析系统安全性的方法通常过于主观，实时安全评估可以通过机器学习避免这类问题，从而实现有效的安全评估，减少系统的风险和损失。
2、然而非平稳环境中的实时安全评估任务在增量更新模型的设计、概念漂移检测和适应、有限标注的约束以及不平衡特性约束的方面仍存在问题。其中增量更新的模型需要经过准确设计，并有理论保证；而由于监测数据的底层分布不断变化，概念漂移的情况广泛存在，因此存在分析困难。此外安全等级的数量量一般远大于不安全等级的数据量，模型训练的预测可能会在很大程度上产生偏差，且大多数实际场景往往对采样频率有更高的要求，难以获得评估模型的完整注释。受限于以上情况，现有的实时安全评估方法的准确性和可靠性较差，难以满足实际需要。
技术实现思路
1、为解决现有的实时安全评估方法存在偏差的问题，本申请提供一种实时安全性评估方法、装置及计算机设备，能够克服概念漂移和不平衡特性约束的问题，提高安全性评估的可靠性。
2、一方面，提供了一种实时安全性评估方法，所述方法包括：
4、基于动态子模块学习策略对所述安全性评估初始模型进行更新，得到更新权重向量；
5、基于样本值函数衡量所述初始标记数据集中的标注样本对实时安全评估任务的价值增益；
6、基于所述样本值函数和所述价值增益对所述更新权重向量进行更新，得到实时安全性评估模型；
7、基于所述实时安全性评估模型对目标监测数据进行实时安全评估。
8、另一方面，提供了一种实时安全性评估装置，所述装置包括：
9、初始模型建立模块，用于建立实时安全性评估初始模型；其中所述实时安全性评估初始模型用于对被监测数据集中的样本数据进行分类；所述被监测数据集中被标记分类的样本数据为标注样本，构成初始标记数据集；
10、第一更新模块，基于动态子模块学习策略对所述实时安全性评估初始模型进行更新，得到更新权重向量；基于样本值函数衡量所述初始标记数据集中的标注样本对实时安全评估任务的价值增益；
11、第二更新模块，基于所述样本值函数和所述价值增益对所述更新权重向量进行更新，得到实时安全性评估模型；
12、实时安全性评估模块，基于所述实时安全性评估模型对目标监测数据进行实时安全评估。
13、另一方面，提供了一种计算机设备，计算机设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，处理器可加载并执行至少一条指令、至少一段程序、代码集或指令集，以实现上述申请实施例中提供的实时安全性评估方法。
14、另一方面，提供了一种计算机可读存储介质，可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，处理器可加载并执行至少一条指令、至少一段程序、代码集或指令集，以实现上述本申请实施例中提供的实时安全性评估方法。
15、另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产权或计算机程序包括计算机程序指令，该计算机程序指令存储于计算机可读存储介质中。处理器从计算机可读存储介质读取该计算机指令，并执行还计算机指令，使得该计算机设备执行上述实施例中任一所述的实时安全性评估方法。
16、本申请提供的技术方案带来的有益效果至少包括：本专利技术实施例提供了一种实时安全性评估方法、装置及计算机设备，所述方法包括建立实时安全性评估初始模型；；基于动态子模块学习策略对所述实时安全性评估初始模型进行更新，得到更新权重向量；基于样本值函数衡量所述初始标记数据集中的标注样本对实时安全评估任务的价值增益；基于所述样本值函数和所述价值增益对所述更新权重向量进行更新，得到实时安全性评估模型；基于所述实时安全性评估模型对目标监测数据进行实时安全评估。本专利技术实施例提供的方法能够通过尽可能少的标注样本更新评估模型，以高准确度完成实时安全评估任务，能够准确的对概念漂移进行探测，并迅速调整模型，保持模型的准确性。同时本方法使用基于动态子模算法的注释策略，能够借助子区域的反馈降低注释的复杂度，并在注释数据的同时保证数据集的多样性，提高注释的计算效率和注释结果的效果，在非平稳环境中对实时安全性评估任务具有良好的可用性和有效性。
本文档来自技高网...【技术保护点】
1.一种实时安全性评估方法，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，所述建立实时安全性评估初始模型包括基于宽度学习系统建立实时安全性评估初始模型；所述宽度学习系统包括特征节点和增强节点，所述建立实时安全性评估初始模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于动态子模块学习策略对所述安全性评估初始模型进行更新，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于样本值函数衡量所述初始标记数据集中的标注样本对实时安全评估任务的价值增益，包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括对样本值函数进行注释：
6.根据权利要求5所述的方法，其特征在于，所述基于所述样本值函数和所述价值增益对所述更新权重向量进行更新，得到实时安全性评估模型，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于样本值函数对所述更新权重向量进行更新，包括：
8.一种实时安全性评估装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于
10.一种计算机可读存储介质，其特征在于，所述可读存储器介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至7任一项所述的实时安全性评估模型训练方法。
...【技术特征摘要】
1.一种实时安全性评估方法，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，所述建立实时安全性评估初始模型包括基于宽度学习系统建立实时安全性评估初始模型；所述宽度学习系统包括特征节点和增强节点，所述建立实时安全性评估初始模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于动态子模块学习策略对所述安全性评估初始模型进行更新，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于样本值函数衡量所述初始标记数据集中的标注样本对实时安全评估任务的价值增益，包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括对样本值函数进行注释：
6.根据权利要求5所述的方法，其特征在于，所述基于所述样本值函数和所述价值增益对所述更新权重向量进行...
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。