基于k近邻隔离森林的异常检测

摘要：

异常检测是机器学习与数据挖掘的热点研究领域之一,主要应用于故障诊断、入侵检测、欺诈检测等领域.当前已有很多有效的相关研究工作,特别是基于隔离森林的异常检测方法,但在处理高维数据时仍然存在许多困难.提出了一种新的k近邻隔离森林的异常检算法:k-nearest neighbor based isolation forest(KNIF).该方法采用超球体作为隔离工具,利用第k近邻的方法来构建隔离森林,并构建基于距离的异常值计算方法.通过充分实验表明KNIF方法能有效地进行复杂分布环境下的异常检测,并能适应不同分布形式的应用场景.

关键词：异常检测、隔离森林、k近邻、超球体

所属期刊栏目：32

分类号：TP393.08;R394.3;TP181

资助基金：国家自然科学基金;福建省科技计划重大项目;福建省自然科学基金项目

在线出版日期：2023-02-15（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：199-206