Улучшенный метод обнаружения аномалий в данных на основе изолирующего леса
An Improved Data Anomaly Detection Method Based on Isolation Forest
2017-12-01
SCID: 54.1/u7trgejg
Discuss with AI
Isolation Forestлокальный коэффициент выбросаSA-iForestобнаружение аномалий в данныхимитация отжига
Figures from the paper
Abstract (AI)
Предложен усовершенствованный метод обнаружения аномалий в данных SA-iForest, предназначенный для решения проблем низкой точности, низкой вычислительной эффективности и ограниченной способности к обобщению алгоритмов обнаружения аномалий на основе изолирующего леса. В соответствии с принципом селективного ансамблирования в качестве критериев используются точность обнаружения и разнообразие, а для оптимизации леса применяется алгоритм имитации отжига, который выбирает изолирующие деревья с высокой точностью и высоким разнообразием при обнаружении аномалий. Кроме того, изолирующие деревья с низкой избыточной точностью обнаружения и низким разнообразием удаляются, что совершенствует процесс построения изолирующего леса и повышает эффективность и производительность алгоритма. Предложенный метод обнаружения аномалий в данных на основе SA-iForest сравнивается с традиционными алгоритмами Isolation Forest и Local Outlier Factor (LOF). Его точность и эффективность оцениваются на стандартных моделируемых наборах данных, что демонстрирует значительное улучшение.
Key Findings
1
Алгоритм имитации отжига выбирает изолирующие деревья с высокой эффективностью обнаружения аномалий и дополняющим поведением для оптимизации леса.
2
Эксперименты на стандартных смоделированных наборах данных показывают значительное повышение точности и эффективности обнаружения аномалий по сравнению с традиционным Isolation Forest и LOF.
3
Удаление изолирующих деревьев с низкой точностью обнаружения и низким разнообразием повышает эффективность построения леса.
4
SA-iForest улучшает обнаружение аномалий в Isolation Forest за счёт селективного объединения изолирующих деревьев по критериям точности обнаружения и разнообразия.
Research Object
обнаружение аномалий в данных на основе изолирующих лесов
Research Subject
повышение точности обнаружения, эффективности выполнения и способности к обобщению посредством селективной оптимизации ансамбля изолирующих деревьев
Publication Details
Publication Date
2017-12-01
Journal
Publisher
ISSN
Cited by
156
Access Type
Author Information
Download PDF
Subscribe to digest