赵华，秦克云

西南交通大学数学学院，成都 610031

基于邻域密度的异常检测方法

赵华，秦克云

西南交通大学数学学院，成都 610031

提出了一个基于邻域密度的异常检测方法，它能处理混合数据的异常值。在该方法中，样本的异常指标被定义为该样本的邻域大小和该样本的平均邻域密度的加权和。为了验证提出的方法，进行了一系列实验。实验结果表明新提出的方法适用于混合数据，并且比其他检测方法更有效。

异常检测；邻域密度；混合数据

1 引言

异常检测是数据挖掘领域的一个重要的研究热点。异常检测的主要目的是发现数据集中明显区别于其他大部分数据的小部分异常数据（也称为异常值）。异常检测已经成功地应用于医疗告警[1]、环境监测[2]、欺诈检测[3]、入侵检测[4]，也涉及到软件评价[5]、地理[6]、交通[7]、金融[8]等领域。异常值有两个主要特点，一是异常值的数量是很小的，二是异常值明显区别于其他的数据。

随着异常检测技术的不断发展，人们提出了大量的异常检测方法。异常检测方法通常分为四种：基于密度的方法[9-11]、基于距离的方法[12]、基于深度的方法和基于聚类[13-14]的方法。Yang[15]提出了一个基于核模糊c-means聚类的模糊SVM算法解决异常检测问题。Chen[16]将邻域粗糙集和异常检测相结合，提出了一个基于距离的异常检测方法。Guo[17]提出了一个基于支持向量域描述（SVDD）的后处理方法，这个方法可以有效地解决异常检测问题。从局部分布的角度出发，Zhang[18]引入了局部密度、局部对称度等概念并提出了两个异常检测算法LDBOD和LDBOD+。……