买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学;苏州大学;吉林大学;昆山微电子技术研究院

摘要：本发明属于区块链数据检测技术领域，涉及一种区块链多模态数据异常检测方法；包括：获取包括不同模态数据集的训练集；利用L21范数对各个模态数据集的投影矩阵进行稀疏，构建目标稀疏投影矩阵项；基于同一模态数据集的数据样本映射后近邻相似图矩阵不变性，构建第一多模态图正则项；基于不同模态数据集的数据样本映射后语义相似矩阵不变性，构建第二多模态图正则项；基于第一多模态图正则项和第二多模态图正则项得到目标多模态图正则项；构建超球目标函数和超球约束函数，并对超球目标函数和超球约束函数求解，得到超球半径、超球中心和各个模态数据集的投影矩阵，从而对区块链中的多模态数据进行检测，提高区块链数据的准确性和系统安全性。

主权项：1.一种区块链多模态数据异常检测方法，其特征在于，包括：获取训练集，所述训练集包括不同模态数据集；利用L21范数分别对每个模态数据集的投影矩阵进行稀疏表示，构建每个模态数据集的稀疏投影矩阵项；基于所有模态数据集的稀疏投影矩阵项之和，得到目标稀疏投影矩阵项；其中，每个模态数据集的稀疏投影矩阵项表示为：ΓmQ＝‖QmT‖2,1，其中，ΓmQ表示第m个模态数据集的稀疏投影矩阵项；Qm表示第m个模态数据集的投影矩阵；T表示转置；所述目标稀疏投影矩阵项表示为： 其中，ΓQ表示目标稀疏投影矩阵项；M表示训练集中模态数据集的数量；基于同一模态数据集中的数据样本经其对应的投影矩阵映射后近邻相似图矩阵不变性，构建第一多模态图正则项；基于不同模态数据集中的数据样本经其对应的投影矩阵映射后语义相似矩阵不变性，构建第二多模态图正则项；对所述第一多模态图正则项和所述第二多模态图正则项加权求和得到目标多模态图正则项；其中，所述第一多模态图正则项表示为： 其中，Ω1Q表示第一多模态图正则项；M表示训练集中模态数据集的数量；表示第m个模态数据集中第i个数据样本经投影矩阵映射后的特征表示；表示第m个模态数据集中第j个数据样本经投影矩阵映射后的特征表示；Nm表示第m个模态数据集中数据样本的数量；表示第m个模态数据集中第i个数据样本和第j个数据样本的近邻相似图矩阵；表示第m个模态数据集中第i个数据样本；表示第m个模态数据集中第j个数据样本；δ表示高斯核带宽；所述第二多模态图正则项表示为： 其中，Ω2Q表示第二多模态图正则项；Np表示第p个模态数据集中数据样本的数量；表示第m个模态数据集中第i个数据样本和第p个模态数据集中第g个数据样本的语义相似矩阵；表示第p个模态数据集中第g个数据样本经投影矩阵映射后的特征表示；表示第p个模态数据集中第g个数据样本；所述目标多模态图正则项表示为：ΩQ＝βΩ1Q+Ω2Q，其中，ΩQ表示目标多模态图正则项；β表示衡量第一多模态图正则项和第二多模态图正则项之间重要性的权重参数；基于超球半径的平方、所述目标稀疏投影矩阵项、所述目标多模态图正则项、正常数据样本分布熵惩罚项和异常数据样本分布熵惩罚项的加权和最小化，构建超球目标函数；基于所述超球目标函数和超球约束函数，得到多模态数据异常检测模型；对所述多模态数据异常检测模型求解，得到超球半径、超球中心和各个模态数据集的投影矩阵，从而对区块链中的待检测多模态数据进行检测。

全文数据：

权利要求：

百度查询： 江南大学 苏州大学 吉林大学 昆山微电子技术研究院 一种区块链多模态数据异常检测方法