科研之友
微信
新浪微博
Facebook
分享链接
摘要
支撑向量数据描述(support vector data description, SVDD)算法的异常检测性能受模型参数和特征质量影响较大，为此，提出一种主分量分析(principal component analysis, PCA)联合改进SVDD的异常数据检测方法。首先利用PCA对数据进行分析，自动提取对检测性能影响较大的主分量构成特征向量；然后利用SVDD构造一类分类器，实现异常数据自动检测，同时将粒子群算法(particle swarm optimization, PSO)引入，利用PSO全局搜索能力对SVDD核参数σ和惩罚因子C进行优化，提升算法性能。基于UCI公共数据集，并采用某电力系统异常检测数据集的试验结果表明：所提出的PCA结合改进SVDD(PCA+PSO-SVDD)的检测方法相对于传统方法能够获得更优的异常检测性能。
- 单位
