基于属性关联及匹配差异度的数据流异常检测

• 作者: 李耀林 琚春华
• 来源期刊: 西南交通大学学报
• 学科: 工学
• 关键词: 数据流 关联规则 差异度 增量式异常检测 概念漂移
• 年，卷（期）: 2013,（1）
• 页码范围: 107-115
• 页数: 9页
• 分类号: TP311
• 字数: 6961字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.2013.01.017

摘要

为解决类别属性数据流异常点检测问题,针对事务数据流环境,提出了基于属性关联及匹配差异度的数据流异常检测模型AAMDD(attribute associations and match difference degree).AAMDD模型离线构建一个关联规则库,并对其进行增量式更新.同时,利用时间敏感型滑动窗口(time-sensitive sliding windows,TimeSW)维护数据流数据,每经过一个时间跨度,就将当前窗口中每条数据包含的项集与关联规则库进行匹配,计算匹配差异度,根据匹配差异度的不同在线检测异常点.此外,给出了与AAMDD模型相对应的算法AAMDD-algorithm.实验结果表明,AAMDD-algorithm比FODFP-Stream算法的效率和检测精确度分别平均提高了37.43％和5.51％,并且AAMDD-algorithm的查全率保持在77％以上,可用于事务型数据流异常检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	琚春华	浙江工商大学计算机与信息工程学院	99	655	13.0	20.0
5	李耀林	浙江工商大学计算机与信息工程学院	1	3	1.0	1.0