一种基于免疫否定选择的水质异常检测方法

摘要

一种基于免疫否定选择的水质异常检测方法，包括以下步骤：1)以斑马鱼作为生物监测对象对其进行实时监测；2)采用基于粒子滤波的多目标跟踪算法，实时检测跟踪斑马鱼，得到斑马鱼的跟踪视频序列；3)水质数据分析检测，包括以下过程：3.1)对自我集进行高频变异产生大量新型数据，同时，对非我集进行低频变异；3.2)、基于否定选择的检测器生成算法产生成熟检测器3.3)、采用期望覆盖与重叠率计算(W)相结合的方式来判断检测器集合是否成熟；3.4)、利用成熟检测器对实时水质数据进行在线检测，最终实现水质的异常在线检测。本发明不需要大量异常数据、降低检测成本、提高检测的实时性。

主权项

1.一种基于免疫否定选择的水质异常检测方法，其特征在于：所述水质异常检测方法包括以下步骤：1)以斑马鱼作为生物监测对象对其进行实时监测，根据其行为模式实现水体质量的在线监测；2)采集和提取斑马鱼的运动特征：采用基于粒子滤波的多目标跟踪算法，实时检测跟踪斑马鱼，得到斑马鱼的跟踪视频序列，定义基于粒子滤波的多目标跟踪模型，描述如下：离散随机变量x_t和z_t分别表示系统在t时刻的状态和与之对应的观测值，则X^t＝{x₁L x_t}和Z^t＝{z₁L z_t}分别表示系统在t时刻之前的一系列状态和观测值；根据当前的状态和观测来求得目标状态的后验概率密度：$p\left(x_t\right|Z^t)=\frac{p\left(z_t\right|x_t,Z^{t-1})p\left(x_t\right|Z^{t-1})}{p\left(z_t\right|Z^{t-1})}---\left(4\right)$$p\left(x_t\right|Z^t)\propto p\left(z_t\right|x_t){\int }_{x_{t-1}}p\left(x_t\right|x_{t-1})p\left(x_{t-1}\right|Z^{t-1}){\mathrm{dx}}_{t-1}---\left(5\right)$其中，p(x_t|x_t-1)表示状态转移概率密度，p(z_t|x_t)表示状态的观测概率密度，分别由状态动态模型和状态观测模型得到，p(x_t-1|Z^t-1)是t-1时刻的后验概率密度；使用一组带权值的样本粒子集合来近似的估计公式(4)中的状态后验概率密度p(x_t|Z^t)，基于粒子滤波的目标跟踪是一个迭代滤波的过程，分为预测和更新两个阶段，每一个粒子表示目标x_t的一个状态假设，而权值表示粒子对应的观测值，则当前状态其中t时刻粒子集合由对t-1时刻的粒子集合进行重采样并通过状态动态模型p(x_t|x_t-1)预测得到；通过对实时监控视频的分割、识别、跟踪标定斑马鱼目标的实时运动位置，并以固定时间间隔作为统计周期，获取该周期鱼群的速度、行程、轨迹、转弯频率、分布特征运动参数；3)水质数据分析检测，包括以下过程：设定各个运动参数的预警指标，定义自我集为经过编码后斑马鱼正常行为生理特征数据的集合，定义非我集为经过编码后斑马鱼异常行为生理特征数据的集合；通过训练和后期免疫学习，构建生成各个预警指标的自我集和非我集，形成成各个预警指标的的熟检测器，具体如下：3.1)对自我集进行高频变异产生大量新型数据，同时，对非我集进行低频变异，变异时，二进制表示个体，对个体变异，每次仅变异一位，即对该位进行取反；3.2)、基于否定选择的检测器生成算法产生成熟检测器，其过程为：a)初始化成熟检测器集合(D)，令D＝Φ；b)t＝0；c)T＝0；d)从基因库提取个体x，并初始化个体x的半径：r＝+∞；e)对每个D中的检测器di，计算di与x的距离d；f)判断检测器di的半径rd是否小于距离d，若rd小于d则进入步骤h，若rd大于d，则令t加一；并接着判断t是否大于1/(1-c₀)，若t小于1/(1-c₀)则返回步骤b，否则转到g；g)计算检测器集合D的重叠率，若重叠率大于阈值，则表示算法结束，正常退出，否则返回步骤c；h)i加一，当i等于现有D中检测器数量时，进入步骤i，否则返回步骤f，计算x与下一个检测器个体的距离；i)对自我集S中的个体si，计算si与x的距离d；若d-r大于si的半径rs，则转到步骤j；否则重新计算x的半径：r＝d-rs，使得检测器x不与自我集相交；j)i加一，当i的个数达到自我集的个数时，进入步骤k，否则返回步骤i，计算个体x与下一个自我集个体的距离；k)判断r是否大于零，若r小于零，则T减1，并接着判断T是否大于阈值，若T大于阈值则算法异常退出；若r大于零，进入步骤l；l)将x加入检测器集合D中，并判断检测器集合D中现有的检测器个数是否达到检测器最大个数阈值，若达到则算法正常退出，否则返回步骤d；3.3)、采用期望覆盖与重叠率计算相结合的方式来判断检测器集合是否成熟，重叠率计算公式如下：$W\left(d\right)=\underset{d\ne d^{\prime }}{\Sigma }w(d,d^{\prime })---\left(6\right)$w(d，d′)＝(exp(δ)-1)^m                                (7)$\delta =\frac{r_d+r_d^{\prime }-D}{2r_d}---\left(8\right)$其中，w(d，d′)表示检测器d，d′之间的重叠值，m为问题空间维数，δ∈(0，1)；当重叠率达到阈值(ξ)时，即表示检测器集合成熟；3.4)、利用成熟检测器对实时水质数据进行在线检测。