一种基于互信息熵及慢特征变换向量的异常检测方法技术

本发明专利技术公开了一种基于互信息熵及慢特征变换向量的异常检测方法，包括数据标准化、获取慢特征变换向量、计算慢特征变换向量、利用互信息熵对变换向量进行聚类、建模并计算控制限和检测数据样本是否超限，其有益效果为：相比于现有的单模型静态异常检测方法，本发明专利技术不仅考虑到系统动态特性，而且引入了多块异常检测策略，提升了大型动态系统的异常检测准确率，相比于现有的基于慢特征的异常检测方法，本发明专利技术在子块模型建立策略中，基于互信息熵对慢特征变换向量进行聚类，并划分子块，能够避免慢特征个数的选择问题，本发明专利技术构造的模型中不仅包含了局部信息，同时包含所有变量的变化，对系统信息的利用率更高，能够更有效的检测系统异常。

【技术实现步骤摘要】

本专利技术涉及云计算监控，尤其涉及一种基于互信息熵及慢特征变换向量的异常检测方法。

技术介绍

1、随着当今社会信息化程度逐渐提高，传感和检测技术飞速发展，在大规模的软、硬件系统结构下，需要对其进行有效的监控以保证各系统运行状态的稳定性。同时，随着数据库技术的不断进步，丰富、多元的系统数据得以存储，基于多元统计的检测、监测技术应运而生。比如主元分析法(pca)、偏最小二乘(pl步骤)和独立元分析(ica)等传统多元统计监测方法。然而这些方法大多为单模型框架或静态模型框架，无法对大规模多单元系统及包含动态特性系统的异常进行有效检测。

2、专利cn108181893a先逐个假设数据缺失，并利用已知数据回归估算出相应的主元预测值，而后利用主元估计误差，建立数据的全局模型进行检测。然而，目前以大规模及多单元为特征的系统越来越多，此类系统发生的异常可能仅由部分单元造成，若只建立全局模型，那么系统局部信息可能会被淹没。

3、专利cn106354125a首先通过互信息将整体系统划分为子块，在每个子块内建立pca检测模型，采用支持向量数据描述来对各个本文档来自技高网...

【技术保护点】

1.一种基于互信息熵及慢特征变换向量的异常检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于互信息熵及慢特征变换向量的异常检测方法，其特征在于，所述数据标准化方法为：

3.根据权利要求1所述的一种基于互信息熵及慢特征变换向量的异常检测方法，其特征在于，对于一组训练数据X＝[x1,x2,…,xm]，所述变换矩阵W为：

4.根据权利要求1所述的一种基于互信息熵及慢特征变换向量的异常检测方法，其特征在于，所述互信息的计算公式为：

5.根据权利要求1所述的一种基于互信息熵及慢特征变换向量的异常检测方法，其特征在于，所述互信息的计算公式为...

【技术特征摘要】

1.一种基于互信息熵及慢特征变换向量的异常检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于互信息熵及慢特征变换向量的异常检测方法，其特征在于，所述数据标准化方法为：

3.根据权利要求1所述的一种基于互信息熵及慢特征变换向量的异常检测方法，其特征在于，对于一组训练数据x＝[x1,x2,…,xm]，所述变换矩阵w为：

4.根据权利要求1所述的一种基于互信息熵及慢特征变换向量的异常检测方法，其特征在于，所述互信息的计算公式为：

5.根据权利要求1所述的一种基于互信息熵及慢特征变换向量的异常检测方法，其特征在于，所述互信息的计算公式为：

6.根据权利要求5所述的一种基于互信息熵及慢特征...

【专利技术属性】
技术研发人员：翟超，
申请(专利权)人：天翼云科技有限公司，
类型：发明
国别省市：