计算机应用

作者：胡淼, 王开军

单位：1. 福建师范大学 数学与信息学院, 福州 350117;2. 福建师范大学 数字福建环境监测物联网实验室, 福州 350117

关键词：异常点检测,随机森林,双特征过滤,松弛边界

基金：国家自然科学基金资助项目（61672157）；福建省自然科学基金资助项目（2018J01778）。

针对现有基于随机森林的异常检测算法性能不高的问题，提出一种结合双特征和松弛边界的随机森林算法用于异常点检测。首先，在只使用正常类数据构建随机森林的分类决策树过程中，在二叉决策树的每个节点里记录两个特征的取值范围（每个特征对应一个值域），以此双特征值域作为异常点判断的依据。然后，在进行异常检测时，当某样本不满足决策树节点中的双特征值域时，该样本被标记为候选异常类；否则，该样本进入决策树的下层树节点继续作特征值域的比较，若无下层节点则被标记为候选正常类。最后，由随机森林算法中的判别机制决定该样本的类别。在5个UCI数据集上进行的异常点检测实验结果表明，所提方法比现有的异常检测随机森林算法性能更好，其综合性能与孤立森林（iForest）和一类支持向量机（OCSVM）方法相当或更好，且稳定于较高水平。

来源：2019年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第4期