-
题名基于节点评估与最大类间方差的孤立森林异常值检测
被引量：1
- 1
-
-
作者
严爱军
和世潇
汤健
-
机构
北京工业大学信息学部
数字社区教育部工程研究中心
城市轨道交通北京实验室
-
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2024年第10期1188-1197,共10页
-
基金
国家自然科学基金资助项目(62073006)
北京市自然科学基金资助项目(4212032)。
-
文摘
针对孤立森林(isolation forest, iForest)无法有效检测局部异常值且异常值分数阈值难以精确设定的问题,提出一种基于节点评估(node evaluation, NE)与最大类间方差(Otsu)的iForest异常值检测方法。首先,在样本评估过程中将节点深度与相对质量同时引入评分机制,使算法对全局和局部异常值敏感;然后,为了准确设定分数阈值,采用Otsu自适应设定异常值分数阈值;最后,在不同数据集上验证所提方法的有效性。实验结果表明,该方法可以有效兼顾全局和局部异常值的检测,提高iForest检测异常值的准确性。
-
关键词
孤立森林(isolation
forest
iForest)
异常值检测
最大类间方差(Otsu)
节点评估(node
evaluation
NE)
分数阈值
节点深度
-
Keywords
isolation forest(iForest)
outlier detection
maximum between-class variance(Otsu)
node evaluation(NE)
score threshold
node depth
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
