洛达 swMATH ID: 15626 软件作者： 佩文，汤姆亚什 描述： Loda：轻量级异常在线探测器。在监督学习中，已经表明，一组弱分类器可以产生一个强分类器，其错误率与更复杂的方法类似。在非监督学习中，即在异常检测中，尽管许多方法被设计为与监督二进制分类器相对应的方法，但这种范式尚未被证明。这项工作部分填补了这一空白，因为它表明，极弱探测器的集合可以产生性能等于或优于最新方法的强异常探测器。提议的集成系统（称为Loda）的简单性在需要实时处理大量样本的领域或数据流受到概念漂移和检测器需要在线更新的领域中特别有用。除了快速准确外，Loda还能够对缺少变量的数据进行操作和更新。因此，Loda在传感器中断的领域中是实用的。此外，Loda可以识别出被仔细检查的样本偏离大多数样本的特征。当目标是找出导致异常的原因时，此功能非常有用。值得注意的是，这些有利的特性都没有增加Loda的低时间和空间复杂性。我们在两种设置中将Loda与几种最先进的异常检测器进行了比较：批量训练和数据流在线训练。UCI存储库中36个数据集的结果说明了所提系统的优势，但也提供了更多关于批处理-在线异常检测的一般问题的见解。 主页： http://link.springer.com/article/10.1007%2Fs10994-2015年-5521-0 关键词： 无监督学习;异常检测 相关软件： 开放式基金;隔离森林;奥卡;LSCP公司;TODS公司;PyOD公司;xPACS系统;FlowNet公司;达奇;行星实验室;伦敦银行支持向量机;UCI-毫升;财务报告准则 引用于： 3文件 全部的 前5名8位作者引用 1 扎基·婆罗门语 1 高、灿 1 穆罕默德·纳齐赫·奥姆里 1 佩文，汤姆亚什 1 伊门苏伊登 1 谭晓峰 1 文佳军 1 周杰 3篇连载文章中引用 1 国际近似推理杂志 1 机器学习 1 计算机科学评论 在1个字段中引用 三 计算机科学（68至XX） 按年份列出的引文