改进自适应模型池的在线异常检测算法

作     者：项秋艳 訾玲玲 丛鑫 XIANG Qiu-yan;ZI Ling-ling;CONG Xin

作者机构：重庆师范大学计算机与信息科学学院重庆401331 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2024年第52卷第7期

页      面：2503-2514页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：重庆市教育科学规划重点课题(No.K22YE205098)~~ 

主　　题：无监督学习 自动编码器 概念漂移 异常检测 自适应模型池 数据流 

摘      要：精确的在线异常检测方法是物联网行业发展的核心,其中,以复杂和动态数据流为对象的在线异常识别是研究热点.现有在线异常检测方法存在处理复杂性负载过重问题,离线深度异常检测方法则存在因数据分布变化导致概念漂移问题.针对上述问题,本文提出了改进自适应模型池的在线异常检测框架,该框架可以与基于自动编码器的异常检测方法协作实现在线异常检测.首先,利用基于自动编码器的异常检测模型进行基本异常识别;其次,以自适应模型池为基础,融合概念漂移检测算法准确识别概念漂移,适应动态变化的数据流,解决概念漂移现象;最后,优化自适应模型池的模型合并方法,提升在线异常识别能力.实验结果表明,相比自动编码器模型的流变体和原自适应模型池算法,提出的算法在异常检测精度指标上分别提升了20.2%和5.83%,同时,最佳精度指标高于现有在线异常检测算法约16.7%.