一种基于自我聚类的异常检测学习方法

• 作者: 刘伯颖 李娜娜 赵政 顾军华
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 聚类 异常检测 负选择 正选择
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 数据库技术
• 页码范围: 1438-1440,1474
• 页数: 4页
• 分类号: TP393.08
• 字数: 3357字
• 语种: 中文

摘要

提出一种新的基于正选择的异常检测方法,该方法通过聚类学习正常空间特征,在每个类中选择有代表性的自我样本构造检测器集,之后利用正选择算法进行异常检测.这种方法既能适用于自我样本集较多的情形,克服了T. Stibor提出的正选择的局限,又具备了一定的学习能力.同时,该方法还避免了负选择中随机选择样本带来的弊端.通过实验分析,该方法比VDetector具备更好的检测性能,是一种有效的异常检测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾军华	河北工业大学计算机科学与软件学院	113	947	16.0	26.0
2	李娜娜	天津大学计算机科学与技术学院	13	107	5.0	10.0
4	赵政	天津大学计算机科学与技术学院	90	735	15.0	22.0
5	刘伯颖	河北工业大学教务处	31	121	5.0	10.0