计算机工程

作者：李永飞, 李铭洋, 常鑫, 曹可欣

单位：华北科技学院计算机学院, 河北 廊坊 065201

关键词：深度学习,自动编码器,异常检测,可解释机器学习,无监督学习

基金：中央高校基本科研业务费资助项目(3142017067,3142023060);河北省重点研发计划(19270318D)。

随着物联网技术的发展和应用范围的扩大,物联网设备和传感器的数量和种类也在不断增加。物联网水质传感器在生态监测与保护领域起着至关重要的作用,针对物联网水质传感器采集的监测数据中数据量大、维度高、无标注等问题,提出一种基于可解释性深度学习的无监督异常数据检测算法。使用自动编码器(AE)和SHAP算法对多维水质数据集进行异常检测。通过训练自动编码器模型,标记重建误差较大的数据,使用SHAP解释自动编码器并计算被标记数据中各数据特征的重要性。基于这些特征的重要性,确定最终的异常值,从而实现对水质监测数据的异常检测。在物联网水质监测数据集上的实验结果表明,该算法能有效检测出异常数据,F1值为0.875,性能优于当前无监督异常检测领域常用算法。该算法对于处理物联网水质监测数据具有实际应用价值,此外,还可以应用于其他领域的海量物联网监测数据的异常检测,例如气象、环境等领域。

来源：2024年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第6期