原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供一种基于因子分解的无监督异常检测模型选择方法，通过获得多种类型的原始训练数据集；使用原始训练数据集训练FMOD模型，挖掘数据之间的交叉特征，得到训练后的FMOD模型；当新的数据集输入时，提取新的数据集的特征，生成特征向量；输入到FMOD模型中预测，获得新的数据集在每个异常检测模型上的预测精度，生成异常检测模型推荐列表；该方法，能够充分利用因子分解的方式挖掘数据的高阶特征，能够提高模型的泛化能力和表达能力，有利于在数据特征未知的情况下为数据推荐合适的异常检测模型。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116992237 A
(43)申请公布日 2023.11.03
(21)申请号 202311022017.2 G06F 18/213 (2023.01)
(22)申请日 2023.08
文档评论（0）