一种基于椭球体支持向量描述的异常检测方法

• 作者: 冯健 姚宇 张化光 韩克镇
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 异常检测 样本不平衡 马氏距离 空白区域 超椭球体支持向量描述 边界几何中心
• 年，卷（期）: 2017,（5）
• 页码范围: 195-202
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.180

摘要

为了解决训练样本数据集中正类、负类样本不平衡的问题,提出一种考虑负类样本信息的加权超椭球体支持向描述方法(weighted hyper-ellipsoidal support vector data description with negative samples,WNESVDD).该方法首先引入马氏距离,充分考虑样本分布信息,同时利用正类、负类样本信息建模,融合代价敏感学习思想对不同类样本赋予不同权重.研究结果表明,所提方法可有效减少决策边界包围的空白区域,更好地调整决策边界,而且数据集的利用率明显提高.所提方法应用在University of California at Irvine (UCI) 数据集和半导体工业过程数据上的试验结果证明,所提方法具有较强的异常检测能力,相比于同类方法,漏报误报明显减少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张化光	东北大学信息科学与工程学院	248	3178	31.0	43.0
2	冯健	东北大学信息科学与工程学院	39	492	14.0	20.0
3	姚宇	东北大学信息科学与工程学院	1	2	1.0	1.0
4	韩克镇	东北大学信息科学与工程学院	1	2	1.0	1.0