基于多分辨率网格的异常检测方法

摘要：

作为一种重要的数据挖掘手段,异常检测在数据分析领域有着广泛的应用.然而现有的异常检测算法针对不同的数据,往往需要调整不同的参数才能达到相应的检测效果,在面对大型数据时,现有算法检测的时间效率也不尽如人意.基于网格的异常检测技术,可以很好地解决低维数据异常检测的时间效率问题,然而检测精度严重依赖于网格的划分尺度和密度阈值参数,该参数鲁棒性较差,不能很好地推广到不同类型数据集上.基于上述问题,提出了一种基于多分辨率网格的异常检测方法,该方法引入一个鲁棒性较好的子矩阵划分参数,将高维数据划分到多个低维的子空间,使异常检测算法在子空间上进行,从而保证了高维数据的适用性;通过从稀疏到密集的多分辨率网格划分,综合权衡了数据点在不同尺度网格下的局部异常因子,最终输出全局异常值的得分排序.实验结果表明,新引入的子矩阵划分参数具有较好的鲁棒性,该方法能较好地适应高维数据,并在多个公开数据集上都能得到良好的检测效果,为解决高维数据异常检测的相关问题提供了一种高效的解决方案.

关键词：异常检测、多分辨率网格、高维数据、子空间、数据挖掘

所属期刊栏目：56

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金;广西自然科学基金;广西密码学与信息安全重点实验室研究课题;桂林电子科技大学硕士研究生创新项目

在线出版日期：2020-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：78-85