计算机应用研究

作者：金利娜,于炯,杜旭升,王松,

单位：新疆大学a.信息科学技术学院(网络空间安全学院);b.软件学院,乌鲁木齐830008；

关键词：数据挖掘,离群点检测,生成对抗网络,变分自编码器,

基金：国家自然科学基金资助项目(61862060,61462079,61562086)；；

针对传统离群点检测算法在类极度不平衡的高维数据集中难以学习离群点的分布模式，导致检测率低的问题，提出了一种生成对抗网络（generative adversarial network，GAN）与变分自编码器（variational auto-encoder，VAE）结合的GAN-VAE算法。算法首先将离群点输入VAE训练，学习离群点的分布模式；然后将VAE与GAN结合训练，生成更多潜在离群点，同时学习正常点与离群点的分类边界；最后将测试数据输入训练后的GAN-VAE，根据正常点与离群点相对密度的差异性计算每个对象的离群值，将离群值高的对象判定为离群点。在四个真实数据集上与六个离群点检测算法进行对比实验，结果表明GAN-VAE在AUC、准确率和F1值上平均提高了5.64%、5.99%和13.30%，证明GAN-VAE算法是有效可行的。

来源：2022年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第3期