异常检测方法及系统

摘要

提供一种能够允许学数据的完整性和混入异常，在工厂等的设备中，能够早期、高精度地发现异常的方法及其系统。为实现上述目的，本发明，(1)着眼于时间性的数据的举动，沿时间把轨迹划分为类。(2)对于划分后的类组在子空间中进行模型化，计算偏移值作为候补。(3)把学数据作为参考充分应用(比较、参照等)，掌握随时间变化、环境变动、维护(更换部件)、运转状态引起的状态转移。(4)模型化是抽出N个(N＝0，1，2，......)数据的回归分析法或投影距离法等子空间法(例如在N＝1时，考虑混入了1个异常数据，将其去除进行模型化)、或者局部子空间法。此外，回归分析法中的直线拟合相当于最低次的回归分析。

主权项

一种异常检测方法，早期检测工厂或设备的异常，其特征在于，从多个传感器取得数据，根据上述数据的时间的变化，把数据空间的轨迹划分为多个类，所述划分为多个类是指如果沿着时间数据之间的距离超过规定的阈值，则作为别的类进行处理；如果不超过阈值，则作为相同的类进行处理，对于上述划分后的上述多个类，通过子空间法进行模型化，计算偏移值作为异常候补，其中所述模型化是使用抽出N个数据的回归分析法或者子空间法进行上述模型化，其中N=0,1,2……等非负整数。