模糊树节点的随机森林与异常点检测

• 作者: 李海超 王开军 胡淼 陈黎飞
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 异常点检测 集成学习 随机森林 模糊隶属度函数 模糊树节点
• 年，卷（期）: 2018,（6）
• 页码范围: 1141-1151
• 页数: 11页
• 分类号: TP311
• 字数: 5826字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2018.06.010

摘要

提出一种模糊树节点的随机森林算法进行异常点检测.在构建随机森林的分类决策树过程中,把模糊方法引入到二叉决策树的节点中,在节点中设计关于类别划分的模糊区域,在模糊区域上设计正常与异常隶属度函数.当某样本通过决策树节点的模糊区域时,若该样本的异常隶属度大于正常隶属度,则该样本被判别为异常类;否则,该样本进入决策树的下层树节点,若无下层节点则被判别为正常类.该样本的最终类别由随机森林算法中的投票步骤决定.在四个UCI数据集上的实验结果表明,在异常点检测的综合性能(召回率、精度和准确率)上,与基于随机森林的异常点检测算法RFV和RFP相比,新方法不仅具有较高的综合性能且性能稳定,还具有与一类支持向量机相当的性能,其部分实验结果优于一类支持向量机.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈黎飞	福建师范大学数学与信息学院	42	344	9.0	17.0
5	王开军	福建师范大学数学与信息学院	22	137	6.0	11.0
9	李海超	福建师范大学数学与信息学院	2	6	2.0	2.0
13	胡淼	福建师范大学数学与信息学院	2	4	1.0	2.0