科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决在多维特征数据中，部分异常点被分散的特征空间所掩盖而无法检出的问题，以及缓解当前异常检测方法的结果可解释性差或不具有可解释性的状况，提出了基于子空间的可解释性多变量异常检测算法；首先在多维特征空间中，对每一个维度的特征进行分布检验，在此基础上为每一个对象选择出一个特征空间的集合，进而为每个对象计算出异常值分数；在此过程中，高效利用算法的中间过程产物，来对算法结果加以解释，改善使用者对数据的理解；使用真实数据集，对算法进行了验证，实验结果表明其具有较好的准确性和运行时间，并很好地解释了异常点的异常性。
- 单位
