散粮集装箱物流运输环境异常检测的关键特征识别方法与流程

技术特征：
1.一种散粮集装箱物流运输环境异常检测的关键特征识别方法，其特征在于，包括以下步骤：步骤s1、构建散粮集装箱物流运输环境异常识别的数据样本集x、关键特征排序集r；初始化特征集合指标集s＝[1,2,
…
,d]，其中d表示因素特征的总数；数据样本集x如下所示：其中x
i
∈r
d
，代表第i个样本对应的d维特征，t
i
∈{
‑
1,1}，表示类别，1表示散粮集装箱物流运输环境出现异常，
‑
1表示散粮集装箱物流运输环境处于正常状态；r
d
表示每个样本包含d个特征，n为数据样本的个数；步骤s2、构建训练样本集x0；从数据样本集x的所有因素特征中选取集合s中的因素特征，构成训练样本集x0如下：x0＝x(:,s)步骤s3、训练线性分类模型svm
‑
train，得到拉格朗日乘子α；删除训练样本集x0中指标集s第i个指标对应的因素特征，作为所述线性分类模型的输入；步骤s4、计算权值向量w如下：其中，α
k
为拉郎朗日乘子，x
k
为步骤s3中删除训练样本集x0中指标集s第i个指标对应的因素特征后得到的样本特征集，t
k
为样本的类别标签；步骤s5、计算指标集s中第i个指标对应特征的排序系数c(i)；步骤s6、获取排序系数最大的特征f如下：f＝argmax(c)步骤s7、从s中消除s(f)，更新特征集s；步骤s8、更新关键特征排序集r如下：r＝[s(f),r]即：在关键因素特征排序表r的第一个元素之前加入因素特征f在表s中对应的s(f)；步骤s9、当特征集合指标集s不为空集时，重复上述步骤s2
‑
s8；当特征集合指标集s为空集时，则停止上述迭代过程，输出关键特征排序集r。2.根据权利要求1所述的散粮集装箱物流运输环境异常检测的关键特征识别方法，其特征在于，步骤s3中训练线性分类模型svm
‑
train的具体步骤包括：步骤s3.1、选取惩罚参数c；步骤s3.2、求解二次规划问题，得到拉格朗日乘子α＝[α1，...，α
n
]]其中，x
i
和x
j
即为述线性分类模型的输入。3.根据权利要求2所述的散粮集装箱物流运输环境异常检测的关键特征识别方法，其
特征在于，步骤s3.1中惩罚参数c的取值范围为集合{2
‑9，2
‑8，...，20，...，2
14
，2
15
}。4.根据权利要求1所述的散粮集装箱物流运输环境异常检测的关键特征识别方法，其特征在于，所述步骤s5中计算指标集s中第i个指标对应的特征的排序系数如下：c(i)＝(w
i
)2。

技术总结
本发明公开了一种散粮集装箱物流运输环境异常检测的关键特征识别方法，首先构建异常识别的数据样本集、关键特征排序集，初始化特征集合指标集；然后构建训练样本集，训练线性分类模型SVM


技术研发人员：曹杰 丁晓剑 张璐 徐彩云 杨帆
受保护的技术使用者：云境商务智能研究院南京有限公司
技术研发日：2021.06.25
技术公布日：2021/11/2