【摘要】：針對大多數(shù)基于距離和密度的異常檢測算法敏感于近鄰參數(shù)k的問題,提出了一種魯棒性異常檢測標(biāo)準(zhǔn)——k-近鄰域中心偏移異常因子(COOF).數(shù)據(jù)結(jié)點的k-近鄰域中心位置會隨著近鄰參數(shù)k的變化而發(fā)生遷移,鑒于異常結(jié)點要比正常結(jié)點對k-近鄰域中心位置偏移量的影響更大,通過累加因遞增k而產(chǎn)生的偏移量來表征數(shù)據(jù)結(jié)點的異常程度,并在COOF基礎(chǔ)上實現(xiàn)了魯棒性的異常檢測算法.通過綜合數(shù)據(jù)和真實數(shù)據(jù)的實驗仿真可知,COOF不僅對近鄰參數(shù)k具有魯棒性,而且相比基于距離的k最近鄰算法、基于局部距離的異常因子和基于密度的局部異常因子具有更穩(wěn)定且更準(zhǔn)確的異常檢測性能.
[Abstract]:In order to solve the problem that most anomaly detection algorithms based on distance and density are sensitive to nearest neighbor parameter k, a robust anomaly detection standard, k-nearest neighborhood center migration anomaly factor (COOF)., is proposed. The center position of the k-nearest neighborhood of the data node will migrate with the change of the nearest neighbor parameter k, in view of the fact that the abnormal node has a greater influence on the offset of the center position of the k-nearest neighborhood than the normal node. The anomaly degree of the data node is represented by accumulating the offset caused by increasing k, and a robust anomaly detection algorithm is implemented on the basis of COOF. Through the experimental simulation of the synthesis data and the real data, it can be seen that COOF is not only robust to the nearest neighbor parameter k, but also compared with the distance-based k-nearest neighbor algorithm. The anomaly factor based on local distance and the local anomaly factor based on density have more stable and accurate anomaly detection performance.
【作者單位】： 西安交通大學(xué)軟件學(xué)院;西安交通大學(xué)電子與信息工程學(xué)院;西安郵電大學(xué)通信與信息工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(61371087和61531013)
【分類號】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊秀娟;;空間對象的雙色反向最近鄰查詢研究[J];煤炭技術(shù);2009年06期

2 張桂榕;;反向最近鄰查詢研究綜述[J];電腦知識與技術(shù);2011年28期

3 周屹;;不確定對象的反向最近鄰查詢研究[J];黑龍江工程學(xué)院學(xué)報(自然科學(xué)版);2012年04期

4 劉永山,薄樹奎,張強(qiáng),郝忠孝;多對象的最近鄰查詢[J];計算機(jī)工程;2004年11期

5 郝忠孝;劉永山;;空間對象的反最近鄰查詢[J];計算機(jī)科學(xué);2005年11期

6 王淼;郝忠孝;;不確定性對象的反向最近鄰查詢[J];計算機(jī)工程;2010年10期

7 張旭;何向南;金澈清;周傲英;;面向不確定圖的k最近鄰查詢[J];計算機(jī)研究與發(fā)展;2011年10期

8 楊澤雪;郝忠孝;;空間數(shù)據(jù)庫中的障礙反向最近鄰查詢[J];計算機(jī)工程與應(yīng)用;2011年34期

9 王丹丹;郝忠孝;;道路網(wǎng)絡(luò)中的多類型K最近鄰查詢[J];計算機(jī)工程與應(yīng)用;2012年03期

10 鄧瑾;周梅;;基于R樹及其變種的最近鄰查詢研究[J];現(xiàn)代計算機(jī);2013年09期

相關(guān)會議論文 前5條

1 張曉峰;王麗珍;肖清;趙麗紅;;基于概念劃分的連續(xù)最近鄰查詢研究[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

2 管猛;張剡;柏文陽;;基于地表的連續(xù)可見最近鄰查詢方法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

3 陳璐;高云君;柳晴;陳剛;;受限相互最近鄰查詢處理[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

4 盛梅紅;沙朝鋒;宮學(xué)慶;嵇曉;周傲英;;道路網(wǎng)絡(luò)環(huán)境中的多對象最近鄰查詢[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

5 劉月清;章勇;;一種改進(jìn)的動態(tài)最近鄰聚類算法[A];全國自動化新技術(shù)學(xué)術(shù)交流會會議論文集（一）[C];2005年

相關(guān)博士學(xué)位論文 前5條

1 張婷;基于量化的近似最近鄰搜索技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2017年

2 楊澤雪;空間連接及最近鄰變體查詢研究[D];哈爾濱理工大學(xué);2014年

3 孫冬璞;時空數(shù)據(jù)庫多類型最近鄰查詢的研究[D];哈爾濱理工大學(xué);2010年

4 王建峰;基于哈希的最近鄰查找[D];中國科學(xué)技術(shù)大學(xué);2015年

5 張得天;時間依賴路網(wǎng)高效k最近鄰查詢混搭機(jī)制的研究[D];中國科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 楊根茂;基于哈希加速的近似最近鄰檢索算法研究[D];浙江大學(xué);2015年

2 原s，

本文編號：2494722