本發明公開了一種基于自編碼器和遺傳算法的高維數據異常子空間檢測方法。所提出的AEG模型包括兩部分結構,第一部分是用神經網絡構建稀疏自編碼器,利用絕對正常的無標簽數據迭代優化學習最佳的編碼?解碼方案,將測試數據輸入訓練完善的稀疏自編碼器中并基于重建誤差得到數據點的異常分數,結合自動閾值檢測高維數據的異常值。第二部分結合自適應遺傳算法對稀疏自編碼器檢測到的異常數據集進行高維異常子空間搜索,從而實現異常點的異常子空間定位,對于得到的異常子空間特征可以投入進一步的分類訓練。本發明實現了更加簡單快速的異常過濾,提高了高維數據的異常值檢測及異常子空間定位的效率,提高了異?,F象的解釋性。
聲明:
“基于自編碼器和遺傳算法的高維數據異常子空間檢測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)