AdaDL-SVDD异常检测

对噪声鲁棒

融合字典学习和AdaBoost集成,在含不确定性和噪声的数据上,异常检测性能优于现有方法。

刘波 · Xiaokai, Li · 肖燕珊 · Peng, Sun · Shilei, Zhao · Tiantian, Peng · Zhiyu, Zheng · Yongsheng, Huang

Expert Systems with Applications 2024

技术优势

不用假设异常稀缺

训练时同时使用正常和异常样本，解决了传统方法因异常稀缺而只依赖正常样本的局限。

对噪声更鲁棒

结合AdaBoost集成弱分类器，在含不确定性和噪声的数据集上性能优于现有方法。

应用场景

• 物联网安全监控：识别设备行为异常，抵御噪声干扰，减少误报。
• 工业过程监控：在传感器数据含噪声时仍能发现工艺异常。
• 传感器网络异常检测：利用正常与异常样本训练，适应传感器网络中的数据不确定性。