一种基于子空间相似度的KNN算法的异常检测方法
本发明公开了一种基于子空间相似度的KNN算法的异常检测方法,涉及数据异常检测技术领域,该方法首先对数据进行归一化处理并将预处理后的数据作为训练样本,然后根据训练样本的分布情况求解其对应的特征子空间进而将原来的高维空间进行划分,最后在计算待测样本的近邻时,根据其与各子空间的相似度优先在与其数据分布相似的子空间进行近邻查找,最终根据近邻的类别完成对待测样本类别的预测。本发明提出的SFSS‑KNN算法在传统KNN算法的基础上做出改进使得在提高检测效率的同时提高了检测的准确率。
《一种基于子空间相似度的KNN算法的异常检测方法》是一发明专利,专利号为 2023108885869,当前法律状态为已下证,由西华师范大学提出申请,发明人为杨韬;马晓宇;陈江川;何保林,申请日期为2023-07-19,公开(公告)日期为2024-05-17,国际专利分类号(IPC)为 G06F 18/2433 (2023.01),高新资质:未报高企,所属技术领域包括:24年下证 物联网检测 计算机检测 互联网检测 物联网检测 网络安全检测 数据安全 大数据 云计算 云平台 数据 金融 计算机 互联网 网络通信 软件大数据 安全数据存储 网络信息 计算机 互联网 网络数据 企业数据 人力资源 金融 支付 电子商务 跨境电商 企业管理。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于子空间相似度的KNN算法的异常检测方法,涉及数据异常检测技术领域,该方法首先对数据进行归一化处理并将预处理后的数据作为训练样本,然后根据训练样本的分布情况求解其对应的特征子空间进而将原来的高维空间进行划分,最后在计算待测样本的近邻时,根据其与各子空间的相似度优先在与其数据分布相似的子空间进行近邻查找,最终根据近邻的类别完成对待测样本类别的预测。本发明提出的SFSS‑KNN算法在传统KNN算法的基础上做出改进使得在提高检测效率的同时提高了检测的准确率。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
