基于自编码器和集成学习的半监督异常检测算法

摘要

异常检测用来预处理数据,挖掘异类数据信息,是数据挖掘的一种重要方法.近年来由于维度灾难问题,高维异常数据检测显得十分困难,针对上述问题提出一种基于自编码器和集成学习的半监督异常检测算法.首先利用自编码器降维,在编解码过程中异常数据的异常程度被增大,然后在AdaBoost提升框架中融合iforest、LOF、K-means算法,基于3种算法对于不同异常类型的敏感性,提升异常检测的准确性.选取UCI机器学习库中的高维异常数据集进行实验.实验结果表明,该模型的准确性相较于目前主流的异常检测算法有显著提升.