3 个月前

基于过采样主成分分析的异常检测

基于过采样主成分分析的异常检测

摘要

摘要:异常检测是数据挖掘中的一个重要问题,已在多个研究领域中得到广泛探讨。它可用于识别少量偏离正常模式的数据点。本文采用“留一法”(Leave One Out)程序,检验每一个数据点对主方向变化的“有无”影响。基于这一思想,提出了一种基于过采样主成分分析的异常检测方法,旨在突出异常实例(或异常点)对主方向的影响。除了识别可疑异常点外,本文还设计了一种在线异常检测机制,用于实时发现新到达的数据中的异常。此外,针对高效计算与满足在线检测需求,本文还研究了主方向的快速更新方法。数值实验结果表明,所提出的算法在计算效率和异常检测性能方面均表现出良好效果。

基准测试

基准方法指标
anomaly-detection-on-kdd-99PCA via oversampling
AUCROC: 0.99

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于过采样主成分分析的异常检测 | 论文 | HyperAI超神经