基于集成单分类学习的异常检测技术研究OA

单分类方法适用于难以获取异常数据的实际情况,具有广阔的应用前景。深度支持向量数据是目前最新的表现较好的单分类算法之一,然而深度支持向量数据描述存在单次映射随机性较大、鲁棒性不足等问题,为提高其性能,研究一种基于集成单分类学习的异常检测技术,集成多个神经网络进行训练,取映射得到的球心平均值作为超球体的球心。最后实验结果证明了提出算法的有效性和稳健优越的性能。