南昌大学学报(工科版)
 
2025年04月04日 星期五  首页  |  期刊社主页  |  期刊介绍  |  编 委 会  |  征稿启事  |  期刊订阅  |  联系我们
南昌大学学报(工科版)
  论文 本期目录 | 过刊浏览 | 高级检索 |
基于D-S证据理论的无监督异常检测算法
衷卫声 吴自望 张强
南昌大学先进制造学院 南昌大学信息工程学院
全文: PDF (0 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 在实际应用中,当数据集缺少真实标签或正常点数据量不足时,可能导致一分类支持向量机处于无监督情况。此外,当训练集中包含异常数据时,一分类支持向量机生成的决策边界将偏斜至异常数据区域。上述问题降低了异常数据的检测率,并导致分类器的性能变差。为了解决上述问题,基于K近邻算法将数据集分为可疑正常点数据集与可疑离群点数据集。其中,可疑正常点数据集用于一分类支持向量机训练与建模,对于可疑离群点数据集则采用D-S证据理论来识别其中的正常数据。实验结果表明:基于D-S理论的无监督异常检测算法可以有效地分离正常点与异常点,该算法在整体数据集上Auc均值达到了0.83,且在可疑离群点数据集上Auc均值达到了0.883。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
衷卫声 吴自望 张强
关键词 离群点检测一分类支持向量机Dempster-Shafer证据理论无监督学习    
    
基金资助:国家自然科学基金资助项目(62161022);
引用本文:   
衷卫声 吴自望 张强. 基于D-S证据理论的无监督异常检测算法[J]. 南昌大学学报(工科版), 2024, 46(2): 255-.
链接本文:  
https://qks.ncu.edu.cn/Jwk_xbgkb/CN/     或     https://qks.ncu.edu.cn/Jwk_xbgkb/CN/Y2024/V46/I2/255
 

版权所有 © 2011《南昌大学学报(工科版)》编辑部 
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn
赣ICP备20001624号-1