计算机应用研究

作者：周杭,蒋瑜,

单位：成都信息工程大学软件工程学院,成都610200；

关键词：异常检测,孤立森林,子空间,HiForest,

针对孤立森林通过随机选择属性进行数据空间分割，在面对高维数据时具有不可靠性这一问题，提出了一种基于高对比度子空间的改进孤立森林算法 （high contrast subspace isolation forest，HiForest）。首先，该方法基于子空间各属性边缘概率与联合概率间的偏差值，选取具有高对比度值的子空间；其次，在相关子空间中构建离群点检测能力更优的隔离树，多棵隔离树集成为隔离林，通过遍历数据点在隔离森林中的平均路径长度从而得到异常分数。基于ODDS数据集的实验表明，与传统的异常检测算法相比，HiForest在曲线下面积、查准率、召回率和F1-score评价指标上均有较明显的提升。因此，HiForest算法是一种适用于中高维数据集，检测精度更高的异常检测算法。

来源：2023年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第2期