典型文献
基于子空间的可解释性多变量异常检测
文献摘要：
为了解决在多维特征数据中,部分异常点被分散的特征空间所掩盖而无法检出的问题,以及缓解当前异常检测方法的结果可解释性差或不具有可解释性的状况,提出了基于子空间的可解释性多变量异常检测算法;首先在多维特征空间中,对每一个维度的特征进行分布检验,在此基础上为每一个对象选择出一个特征空间的集合,进而为每个对象计算出异常值分数;在此过程中,高效利用算法的中间过程产物,来对算法结果加以解释,改善使用者对数据的理解;使用真实数据集,对算法进行了验证,实验结果表明其具有较好的准确性和运行时间,并很好地解释了异常点的异常性.
文献关键词：
异常检测;可解释性;点异常;统计型数据;机器学习;无监督学习
中图分类号：
作者姓名：
宋润葵;郑扬飞;郭红钰;李倩
作者机构：
华北计算技术研究所系统八部,北京 100083
文献出处：
引用格式：
[1]宋润葵;郑扬飞;郭红钰;李倩-.基于子空间的可解释性多变量异常检测)[J].计算机测量与控制,2022(11):38-45
A类：
统计型数据
B类：
子空间,可解释性,多变量,多维特征数据,异常点,特征空间,掩盖,异常检测方法,检测算法,分布检验,对象选择,异常值,真实数据,运行时间,异常性,点异常,无监督学习
AB值：
0.272358
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。
