基于深度变分学习的异常检测模型研究

发布时间：2021-08-18 14:32

　　异常检测是数据挖掘中的重要任务,其基本目标是检测出偏离整体数据特征的数据值,同时随着信息技术的发展,现有的异常检测模型已经无法满足当下的异常检测需求,基于深度学习的异常检测模型逐渐成为了一个新的研究方向。在深度异常检测领域中主要两类模型,一是混合模型,混合模型是将传统的异常检测算法和深度学习降维算法相结合,从而提高检测效率的模型。二是生成模型,生成模型通过训练数据直接对数据进行建模,通过观测样本估计其分布特征,同时结合判别模型进行高维数据的异常检测。针对目前异常检测模型的优缺点,提出了一种混合检测模型,通过结合深度学习降维算法和改进的传统检测模型进行异常检测,本文的主要工作如下:（1）.对异常检测相关工作的讨论和分析概述了深度学习在异常检测领域中现阶段的发展情况,总结了在异常检测领域中相关技术以及数据降维的研究现状。提出了基于深度变分降维的混合模型并用于异常检测,并概述了其优势与不足,同时阐明了研究方向。（2）.基于双向邻居修正的局部异常因子算法提出基于双向邻居修正的局部异常因子算法,利用双向邻居搜索算法选取较优参数用于计算异常值,结合所提剪枝算法减少了邻域搜索时间和不必要的异常值计算... 

【文章来源】：河北大学河北省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

离群点

河北大学硕士学位论文8下面是LOF算法的主要概念：1)d(p,o)表示p和o两点之间的距离；2)kdistance表示第k距离。对于点p的第k距离dk(p)=d(p,o),并且满足a)在集合中至少有不包括p在内的k个点o′∈C{x≠p}，满足d(p,o′)≤d(p,o)b)在集合中最多有不包括p在内的k1个点o′∈C{x≠p}，满足d(p,o′)<d(p,o)p的第k距离，即距离p第k远的点的距离，不包括p。如图2-2图2-2第k距离3）第k距离邻域：kdistanceneighborhoodofp表示p的第k距离邻域点p的第k距离邻域Nk(p)表示距离小于p的第k距离内的所有数据点，包括第k距离的数据点。因此p的第k邻域点的个数∣Nk(p)∣≥k4)reachdistance表示可达距离，点o到点p的第k可达距离定义为：reachdistance(p,o)max{kdistance(o),d(p,o)}(2.1)即点O到点p的第k可达距离，至少是O的第k距离，或者为O,p间的真实距离。这意味着，离点O最近的k个点，O到他们的可达距离被认为相等，且都等于dkO)如图，O1到p的第5可达距离为d(p,O1),O2到p的第5可达距离为d5(O2)，如图2-3所示。图2-3可达距离

可达距离

【参考文献】：
期刊论文
[1]基于网络通信异常识别的多步攻击检测方法[J]. 琚安康,郭渊博,李涛,叶子维.  通信学报. 2019(07)
[2]基于密度偏倚抽样的局部距离异常检测方法[J]. 付培国,胡晓惠.  软件学报. 2017(10)



本文编号：3350066