基于多源数据的异常检测关键技术研究

发布时间：2021-03-02 12:14

　　作为数据挖掘的一个重要的研究领域,异常检测着眼于对不同类型和来源的数据进行分析,从而为隐含在其中的异常对象建立模型,利用基于距离、密度、聚类等技术构建的方法快速准确地发现数据集中的异常对象。由于在学术界和工业界有着广泛的应用,异常检测获得了相关领域大量研究者们的关注,产生了许多的经典模型和方法。然而随着传感器网络的发展和大数据时代的来临,大量应用领域的数据开始呈现出多源化的趋势。多源数据中存在的数据类型多样化,数据分布差异化,依赖关系复杂化等现象是基于多源数据的异常检测所面临的关键问题。本论文针对数据之间的相互依赖关系,构建了基于图的异常检测模型,使用随机游走的方法分析图中的异常节点。另一方面,本论文还构造了基于多视图的异常检测模型对不同来源数据之间的相关和差异进行刻画,利用数据在不同视图中的不一致性进行异常检测。总体来说,本论文从以下四个方面对多源数据的异常检测问题展开了研究:（1）传统基于图的异常检测模型在考虑每个样本的异常度时往往只关注于图中节点、连边或者它们之间的相互关系,而忽视了样本的局部邻域信息。本论文提出一种基于局部信息图的异常检测算法（LIGRW）,该算法将数据集中每个... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：130 页

【学位级别】：博士

【部分图文】：

在不同形状的数据集上进行异常检测

【参考文献】：
期刊论文
[1]低秩矩阵恢复算法综述[J]. 史加荣,郑秀云,魏宗田,杨威.  计算机应用研究. 2013(06)



本文编号：3059242