基于最小风险的深度神经网络的异常用户检测方法

摘要

本发明公开了一种基于最小风险的深度神经网络的异常用户检测方法，首先对异常用户的数据进行预处理，得到异常用户和正常用户数据量一致的数据；其次利用Mini‑batch梯度下降方法对深度神经网络进行训练并结合NOMA通信系统中不同异常用户的危害程度高低，构建基于最小风险的决策表；最后将决策表设定的不同决策对应的损失函数引入深度神经网络，构建基于最小风险的神经网络异常用户检测方法。本发明通过深度神经网络对高维数据强大的表示和分析能力，解决基于大数据的NOMA系统异常用户检测问题、将最小风险代价引入到深度神经网络训练中，解决了NOMA系统中各类异常用户的危害程度的差异性问题，有望为异常用户检测提供新的思路和理论创新。