← 返回列表
基于图结构学习的物联网异常检测方法及装置
摘要文本
本发明公开了基于图结构学习的物联网异常检测方法及装置，涉及物联网技术领域，方法包括：S1构建初始训练模型，初始训练模型包括两个第一模型和第二模型；S2获取第一训练数据集、第二训练数据集和第三训练数据集；S3训练优化第一模型和第二模型，优化后的第二模型作为异常检测模型；S4获取待分析的物联网数据；S5利用异常检测模型对待分析的物联网数据进行分析，得到检测结果；通过引入了第二模型可以充分利用未标记的数据进行半监督训练，从而提高异常检测模型的泛化能力和性能，本异常检测模型有效降低了数据的标注成本。
申请人信息
- 申请人:西华大学; 衢州海易科技有限公司
- 申请人地址:610037 四川省成都市金牛区土桥金周路999号
- 发明人: 西华大学; 衢州海易科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于图结构学习的物联网异常检测方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410156692.2 |
| 申请日 | 2024/2/4 |
| 公告号 | CN117688504A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06F18/2433 |
| 权利人 | 西华大学; 衢州海易科技有限公司 |
| 发明人 | 陈鹏; 宋伟建; 张明河; 单文煜; 任建华; 陈娟; 李曦; 谢春芝 |
| 地址 | 四川省成都市金牛区土桥金周路999号; 浙江省衢州市柯城区白云街道花园东大道258号10幢304-7室 |
专利主权项内容
1.基于图结构学习的物联网异常检测方法，其特征在于，包括：S1、构建初始训练模型，初始训练模型包括两个第一模型和第二模型，第一模型和第二模型的结构相同；S2、获取第一训练数据集、第二训练数据集和第三训练数据集，第一训练数据集包括带标签的物联网数据，第二训练数据集包括不带标签的物联网数据，第三训练数据集包括不带标签的物联网数据；S3、训练优化第一模型和第二模型，具体为：第一训练数据集和第二训练数据集均导入第一模型，第三训练数据集导入第二模型，利用第一模型和第二模型得到的分析结果对第一模型和第二模型进行优化，得到优化后的第一模型和第二模型，优化后的第二模型作为异常检测模型；S4、获取待分析的物联网数据；S5、利用异常检测模型对待分析的物联网数据进行分析，得到检测结果。