科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的基于主动学习的异常检测算法在采样过程中,仅考虑了样本与分类边界间的距离,忽视样本特征,导致算法选取样本冗余,运行效率降低。针对此问题,对选择策略进行优化,提出一种基于改进主动学习的异常检测算法。通过基于KDD99数据集进行异常检测仿真实验,实验结果表明,与传统算法相比,所提算法需要较少已标记样本,即可达到相同的分类准确率。适当增加样本的选择数量,能够有效减少算法达到收敛的迭代次数,提高运行效率。
-
单位中国电子科技集团第二十八研究所
