本发明公开了一种针对复杂数据流的异常检测集成方法,所述异常检测集成方法以有监督分类器作为基学习器,结合stacking集成思想对原始数据进行压缩。在检测器集成部分同时选择离线检测器和在线检测器,使模型兼具稳定性与可塑性,其中自适应权重更新机制使模型可应对概念漂移现象。最后设计分层重放机制应对增量学习过程中的灾难性遗忘,同时结合过采样思想,改善类不平衡问题。本发明还公开了实现上述异常检测集成方法的检测系统,包括特征压缩模块、检测器集成模块、范例集构建模块、自适应权重更新模块。
科研之友
微信
新浪微博
Facebook
分享链接
