基于反向k近邻过滤异常的群数据异常检测

• 作者: 吴金娥 王若愚 段倩倩 李国强 琚长江
• 来源期刊: 上海交通大学学报
• 关键词: 异常检测 无监督 k最近邻 反向k近邻 统计距离
• 年，卷（期）: 2021,（5）
• 页码范围: 598-606
• 页数: 9页
• 分类号: TP399
• 语种: 中文
• DOI: 10.16183/j.cnki.jsjtu.2020.011

摘要

针对无数据标签的群数据异常检测问题,提出在无监督模式下利用k最近邻(kNN)算法检测群数据异常.为减少由于异常值与正常值之间相互干扰而产生的漏报和误报,提出用反向 k近邻(RkNN)算法对异常群数据进行反向过滤.反向k近邻算法首先将统计距离作为不同群数据间的相似性度量,再用kNN算法求得每个集群的异常得分,并获得初始异常,最后使用RkNN算法对初始异常进行过滤.实验结果证明,所提算法能有效减少漏报和误报,且具有较高的异常检测率和良好的稳定性.