基于模糊孤立森林算法的多维数据异常检测方法

• 作者: 李倩 汪旭祥 韩斌
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 数据挖掘 异常检测 孤立森林 模糊综合评价
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 862-866
• 页数: 5页
• 分类号: TP311
• 字数: 3703字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.04.023

摘要

针对孤立森林算法在进行异常检测时,忽略了每一条数据对于所选取的属性异常程度是不同的这一问题,提出了一种基于模糊孤立森林算法的数据异常检测方法.通过挑选一些有价值的属性对其分别建树组成孤立森林,从多维度出发,对每一维属性的检测结果进行隶属度判断,最后与模糊矩阵进行模糊运算得到最终评价结果.采用这一方法有效地解决了样本数据对于每一属性的异常程度不同的问题,并在实际校园一卡通消费数据的实验中得到了验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩斌		54	609	12.0	24.0
2	李倩		1	0	0.0	0.0
3	汪旭祥		1	0	0.0	0.0