作者:姚宇; 冯健; 张化光; 韩克镇异常检测样本不平衡马氏距离空白区域超椭球体支持向量描述边界几何中心
摘要:为了解决训练样本数据集中正类、负类样本不平衡的问题,提出一种考虑负类样本信息的加权超椭球体支持向描述方法(weighted hyper-ellipsoidal support vector data description with negative samples,WNESVDD)。该方法首先引入马氏距离,充分考虑样本分布信息,同时利用正类、负类样本信息建模,融合代价敏感学习思想对不同类样本赋予不同权重。研究结果表明,所提方法可有效减少决策边界包围的空白区域,更好地调整决策边界,而且数据集的利用率明显提高。所提方法应用在University of California at Irvine(UCI)数据集和半导体工业过程数据上的试验结果证明,所提方法具有较强的异常检测能力,相比于同类方法,漏报误报明显减少。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社