典型文献
单类支持向量机融合深度自编码器的异常检测模型
文献摘要：
大规模高维不平衡数据是异常检测中的重大挑战.单类支持向量机在处理不平衡数据方面非常有效,但不适合大规模高维数据,同时单类支持向量机的核函数对检测性能也具有重要的影响.文中提出了一个深度自编码器与单类支持向量机相结合的异常检测模型,深度自编码器不仅负责提取特征和降维,同时拟合出了一个自适应核函数.深度自编码器与单类支持向量机共享损失函数,实现了端到端的训练.作为一个整体,模型采用梯度下降法进行联合训练.在4个公开数据集上与其他异常检测方法进行了对比实验.实验结果表明,在AUC以及召回率(RECALL)方面,所提模型的性能优于单核和多核单类支持向量机以及其他模型,并且所提模型在不同异常率时是鲁棒的,在时间复杂度方面也具有非常大的优势.
文献关键词：
深度自编码器;单类支持向量机;异常检测;混合模型
中图分类号：
作者姓名：
武玉坤;李伟;倪敏雅;许志骋
作者机构：
浙江工业大学计算机科学与技术学院 杭州 310023
文献出处：
引用格式：
[1]武玉坤;李伟;倪敏雅;许志骋-.单类支持向量机融合深度自编码器的异常检测模型)[J].计算机科学,2022(03):144-151
A类：
高维不平衡数据,RECALL
B类：
单类支持向量机,深度自编码器,检测模型,高维数据,核函数,检测性能,提取特征,合出,损失函数,端到端,一个整,梯度下降法,联合训练,公开数据集,异常检测方法,召回率,多核,异常率,时间复杂度,混合模型
AB值：
0.168167
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。
