一种基于变分自编码器的无监督场景下异常数据检测方法

本发明涉及一种基于变分自编码器的无监督场景下异常数据检测方法，首先利用深度卷积神经网络搭建变分自编码器的编码器和解码器，采用平均平方误差计算重构误差，作为变分自编码器的损失函数，通过预训练复现原始的输入数据，利用平方指数核函数度量数据之间的相似度；选取活动点和锚定点，通过锚定点采用随机过程模型构建整个隐空间的特征分布场，并根据平方指数核函数计算每个活动点与所有锚定点之间的斥力之和，反馈到变分自编码器模型中；此时的变分自编码器训练损失函数在原本重构误差的基础上加上了活动点的位移差，从而控制原始数据在隐空间中的映射，引导其向最高置信度位置的位移，实现隐空间内正常与异常特征的有效分离，识别异常数据。