基于自适应人工鱼群FCM的异常检测算法

摘要

异常检测算法在诸多领域都发挥着重要的作用.基于模糊C-均值(fuzzy C-means,FCM)的异常检测是其代表方法之一.FCM对初始值的选取很敏感,而且容易陷入局部极值.基于此的异常检测算法检测效果也不甚理想.因此,引入具有较强全局搜索能力的人工鱼群算法,对其加入自适应机制,自适应调整Visual取值范围,从而提高AFSA局部和全局寻优能力,减少算法迭代的次数.然后将其应用于FCM中,利用自适应人工鱼群算法得到的最优解进行FCM聚类分析,从而解决以上FCM存在的种种问题.最后,设计基于自适应人工鱼群FCM的异常检测算法,充分利用自适应人工鱼群的优势来提高异常检测算法的检测性能.实验表明:该算法在提高对数据的检测效率的基础上,检测性能也表现出了很好的水平,为解决异常检测模型中的检测率和虚警率相关问题提供了一种有效解决方案.