基于样本选取和加权 KPCA-L1的异常检测

• 作者: 安磊磊 邢红杰
• 来源期刊: 计算机应用研究
• 关键词: 核主成分分析 一范数 样本选取 异常检测
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 算法研究与建模
• 页码范围: 1354-1358
• 页数: 5页
• 分类号: TP309.2|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.05.017

摘要

为了提高基于一范数的核主成分分析算法（KPCA-L1）处理异常检测问题的速度，提出了基于样本选取和加权KPCA-L1的异常检测方法。该方法从训练集中选取具有代表性的特征子集，然后为所得特征子集中的样本赋予权重，用带有权重的特征子集训练模型，构造加权KPCA-L1。与KPCA-L1相比，该方法能够有效地减小训练集的规模，同时改善了KPCA-L1算法的更新方法。在人工数据集和标准数据集上的实验结果表明，在保证异常检测准确率的前提下，该方法比KPCA-L1具有更快的建模速度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢红杰	河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室	8	25	2.0	5.0
2	安磊磊	河北大学计算机科学与技术学院	1	0	0.0	0.0