| 基于耦合自适应距离的高维异常检测算法 |
| |
| 引用本文： | 周金浛,于劲松,宋 悦,梁思远.基于耦合自适应距离的高维异常检测算法[J].仪器仪表学报,2022,43(8):182-192. |
| |
| 作者姓名： | 周金浛 于劲松 宋 悦 梁思远 |
| |
| 作者单位： | 1.北京航空航天大学自动化科学与电气工程学院 |
| |
| 基金项目： | 国家重点研发计划（2018YFB1403300）、国家自然科学基金（51875018）项目资助 |
| |
| 摘 要： | 距离聚类方法是航天器等复杂系统实现遥测参数异常检测的常用方法之一，但在面对高维遥测数据进行异常检测任务时，往往会暴露出效率低下、精度劣化等严重问题。针对基于高维遥测数据的航天器异常检测难题，提出了一种基于耦合自适应的改进距离定义，并针对归纳监视系统(IMS)算法这一经典距离聚类算法进行了改进。该方法利用历史数据的分布特征，在进行聚类的同时，对于参数耦合性进行动态挖掘，并将挖掘到的知识高效地投入到异常检测任务。最后，采用运载火箭电源系统的真实高维遥测数据对所提方法进行了应用验证。在与多种传统基于IMS的异常检测方法的对比实验中，该改进算法检测效率与准确率较另两类IMS算法中的最优方法分别提升了41.83%和69.03%,验证了运用该距离定义的检测方法在效率与精确率上的优越性。
|
| 关 键 词： | 航天器 异常检测 高维数据 距离聚类 关联性挖掘 |
High-dimensional anomaly detection algorithm based on
coupling-adaptive distance |
| |
| Zhou Jinhan,Yu Jinsong,Song Yue,Liang Siyuan.High-dimensional anomaly detection algorithm based on
coupling-adaptive distance[J].Chinese Journal of Scientific Instrument,2022,43(8):182-192. |
| |
| Authors: | Zhou Jinhan Yu Jinsong Song Yue Liang Siyuan |
| |
| Affiliation: | 1.School of Automation Science and Electrical Engineering, Beihang University |
| |
| Abstract: | |
| |
| Keywords: | spacecraft anomaly detection high-dimensional data distance-based clustering correlation-mining |
|
| 点击此处可从《仪器仪表学报》浏览原始摘要信息 |
|
点击此处可从《仪器仪表学报》下载全文 |
