基于采样特异性因子的实时异常检测

• 作者: 孙静宇 牛之贤 石淑萍
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 采样特异性因子 采样频率 实时 异常检测
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 283-286
• 页数: 4页
• 分类号: TP181
• 字数: 4587字
• 语种: 中文

摘要

面向特异性的数据挖掘中,特异性因子是一个重要概念,但其计算时间复杂度过高.使用基于采样的方法定义特异性因子即采样特异性因子(Sampled Peculiarity Factor,SPF)可在不影响精度的情况下,提高运行效率.为提高基于SPF算法的异常检测效率,提出了基于SPF的学习采样频率算法,将SPF和最优采样频率结合起来提出了实时异常检测算法.在真实数据集上进行了实验,置信度为95％时,得到的最优采样频率序列为[1/32,1/16].仿真实时异常实验表明该算法的误检率为2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙静宇	太原理工大学计算机科学与技术学院	17	52	4.0	5.0
2	牛之贤	太原理工大学计算机科学与技术学院	14	74	4.0	8.0
3	石淑萍	太原理工大学计算机科学与技术学院	1	3	1.0	1.0