基于高对比度子空间的改进孤立森林方法

作者：周杭; 蒋瑜^*

来源：计算机应用研究, 2023, 40(02): 388-393.

DOI：10.19734/j.issn.1001-3695.2022.06.0305

• 异常检测
• 孤立森林
• 子空间
• HiForest

针对孤立森林通过随机选择属性进行数据空间分割，在面对高维数据时具有不可靠性这一问题，提出了一种基于高对比度子空间的改进孤立森林算法(high contrast subspace isolation forest, HiForest)。首先，该方法基于子空间各属性边缘概率与联合概率间的偏差值，选取具有高对比度值的子空间；其次，在相关子空间中构建离群点检测能力更优的隔离树，多棵隔离树集成为隔离林，通过遍历数据点在隔离森林中的平均路径长度从而得到异常分数。基于ODDS数据集的实验表明，与传统的异常检测算法相比，HiForest在曲线下面积、查准率、召回率和F1-score评价指标上均有较明显的提升。因此，HiForest算法是一种适用于中高维数据集，检测精度更高的异常检测算法。

• 单位
  成都信息工程大学