Abstract：
针对孤立森林(isolation forest,iForest)无法有效检测局部异常值且异常值分数阈值难以精确设定的问题,提出一种基于节点评估(node evaluation,NE)与最大类间方差(Otsu)的iForest异常值检测方法.首先,在样本评估过程中将节点深度与相对质量同时引入评分机制,使算法对全局和局部异常值敏感;然后,为了准确设定分数阈值,采用Otsu自适应设定异常值分数阈值;最后,在不同数据集上验证所提方法的有效性.实验结果表明,该方法可以有效兼顾全局和局部异常值的检测,提高iForest检测异常值的准确性.
Keyword：
Reprint Author's Address：
Email：
Source ：
北京工业大学学报
ISSN： 0254-0037
Year： 2024
Issue： 10
Volume： 50
Page： 1188-1197
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 8
Affiliated Colleges：
