中国移动通信集团广东有限公司
Published:2023
移动端阅览
王锐. 基于改进LOF的高维数据异常检测方法[J]. 2023, 36(3): 41-45+62.
DOI:
王锐. 基于改进LOF的高维数据异常检测方法[J]. 2023, 36(3): 41-45+62. DOI: 10.13992/j.cnki.tetas.2023.03.011.
作为数据挖掘的核心问题之一,检测离群点或异常值是及时发现故障和隐患问题的重要判断依据。随着物联网设备量的持续增长,传统的单维异常检测算法已经难以满足日益复杂的大数据应用场景。对多维、庞大的数据流进行异常检测时,容易发生检测速度慢和研判准确度下降的问题。本文提出了一个基于高维数据的改进LOF异常检测算法,以提高检测速度和检测精度。同时构建了一个面向海量监控指标数据的流式处理框架,保障异常检测的正常运行。实验结果表明,改进后的算法在准确率和计算效率上有明显提升。
基于孤立森林的移动终端网络数据异常检测[J]. 高德平.信息技术,2021(06)
基于深度学习的生理异常检测研究综述[J]. 麻琛彬;张政波;王晶.计算机工程与应用,2021(10)
基于移动小波树的电力监控异常数据自动识别算法研究[J]. 夏景;梁薇;吴珠瑛.电子设计工程,2020(18)
基于大数据的异常检测方法研究[J]. 杨先圣;姜磊;彭雄;周倩;刘菊君.计算机工程与科学,2018(07)
数据异常的监测技术综述[J]. 吴镜锋;金炜东;唐鹏.计算机科学,2017(S2)
一种改进的LOF异常点检测算法[J]. 周鹏;程艳云.计算机技术与发展,2017(12)
计算机数据库的入侵检测技术[J]. 国华.电子技术与软件工程,2017(10)
iLOF*:一种改进的局部异常检测算法[J]. 王飞.计算机系统应用,2015(12)
基于密度的孤立点检测算法改进研究[J]. 吕奔;高茂庭.现代计算机(专业版),2015(17)
离群点挖掘方法综述[J]. 薛安荣;姚林;鞠时光;陈伟鹤;马汉达.计算机科学,2008(11)
基于可达邻域的异常检测算法[J]. 肖辉;龚薇.计算机工程,2007(17)
IncLOF:动态环境下局部异常的增量挖掘算法[J]. 杨风召,朱扬勇,施伯乐.计算机研究与发展,2004(03)
Anomaly detection[J]. Varun Chandola;Arindam Banerjee;Vipin Kumar.ACM Computing Surveys (CSUR),2009(3)
A Classification Framework for Anomaly Detection.[J]. Ingo Steinwart;Don R. Hush;Clint Scovel.Journal of Machine Learning Research,2005
0
Views
231
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution