基于邻域样本特征对比学习的时序数据异常点监测方法

    公开(公告)号:CN114970712A

    公开(公告)日:2022-08-30

    申请号:CN202210570215.1

    申请日:2022-05-24

    IPC分类号: G06K9/62

    摘要: 本发明提供一种基于邻域样本特征对比学习的时序数据异常点监测方法,基于输入样本建立样本的特征组合,通过初始化查询表学习输入样本的线性特征;利用输入样本的近邻区域相似样本,计算正样本,学习正样本的线性特征,在非近邻区域的不相似样本集中采样负样本,学习负样本的线性特征;根据输入样本的非线性特征预测类别标签,通过对比学习最小化输入样本与正样本之间的线性特征距离,最大化输入样本与负样本之间的线性特征距离;基于学习的参数预测新样本的类别标签分类概率,标注是否为异常样本。本发明从样本的近邻区域相似样本特征识别样本是否异常,在桥梁结构健康监测时序数据异常识别方面具有重要应用价值。