基于模糊核聚类和主动学习的异常检测方法

摘要：

针对日志数据的异常检测获取标记数据代价过高的问题,提出一种基于模糊核聚类与主动学习的算法,即KFCM-AL算法.首先将日志解析,之后利用模糊核聚类算法将待选样本在高维空间进行划分聚类,滤去样本冗余点,同时选取聚类中心进行标记构建初始分类器,最后结合主动学习利用较小的标记代价对异常检测模型进行优化.实验结果表明,所提方法能够利用较少的标记样本获取异常检测模型的性能提升.

关键词：异常检测、模糊核聚类、主动学习、日志解析、聚类分析、性能对比

所属期刊栏目：42

分类号：TN911.23-34;TP301.6

资助基金：国家自然科学基金61601467;民航安全能力建设项目PESA170003;中国民航信息技术科研基地开放课题基金CAAC-ITRB-201702;民航安全能力建设项目AADSA0018

在线出版日期：2019-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：53-57,63