典型文献
基于改进LOF算法的窃电检测方法研究
文献摘要：
异常值检测作为数据挖掘领域研究的热点问题之一,广泛应用于窃电识别、反信息欺诈等领域.而LOF算法作为一种依赖数据密度进行异常值识别的算法,因其具有检测精度高、应用场景多元等优势常被应用于窃电识别与检测过程中,但该算法往往存在较高的时间复杂度.针对该问题,提出了一种基于混合剪枝树模型改进的RBT-LOF算法,并在此基础上提出了相应的窃电用户识别模型.RBT-LOF算法首先对混合剪枝树的超平面划分方式进行调整,采用数据第一特征向量找出平衡分割位并重构数据对象;其次使用混合剪枝查询加速数据对象的搜索.实验结果表明:基于RBT-LOF的窃电识别模型较LOF算法、SVM、CNN和WDNet模型具有更高的执行效率和检测精确率.
文献关键词：
窃电检测;RBT-LOF算法;球树模型
中图分类号：
作者姓名：
殷锋;周绍军;漆翔宇;曹旭
作者机构：
西南民族大学 计算机科学与工程学院,成都 610041;四川水利职业技术学院 信息工程系,成都 611231
文献出处：
引用格式：
[1]殷锋;周绍军;漆翔宇;曹旭-.基于改进LOF算法的窃电检测方法研究)[J].中南民族大学学报（自然科学版）,2022(05):579-585
A类：
WDNet,球树模型
B类：
LOF,窃电检测,异常值检测,欺诈,数据密度,异常值识别,检测精度,检测过程,时间复杂度,剪枝,模型改进,RBT,用户识别,超平面,特征向量,数据对象,窃电识别模型,执行效率,精确率
AB值：
0.280651
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
