TY -的A2 - Chen Chi-Hua盟——张Chuanlei盟——刘Jiangtao盟——陈魏盟——史,晋元盟——姚明,寻常的非盟- Yan, Xiaoning盟——徐Nenghua AU - Chen Dufeng PY - 2021 DA - 2021/10/13 TI -基于深Autoencoding的无监督异常检测和集群SP - 7389943六世- 2021 AB -基于高维的无监督异常检测任务或多维数据占据很重要的位置在机器学习领域和工业应用;特别是在网络安全方面,网络数据的异常检测是特别重要的。异常检测的关键是密度估计。尽管降维的方法和密度估计近年来取得了很大的进步,大多数降维方法很难保留原始数据的关键信息或多维数据。最近的研究表明,深autoencoder (DAE)可以解决这个问题。为了提高性能的无监督异常检测,我们提出一种异常检测方案基于深autoencoder (DAE)和聚类方法。深autoencoder训练学习的压缩表示输入数据,然后喂给聚类的方法。这个方案的优点充分利用深autoencoder (DAE)产生低维表示和重建错误输入高维或多维数据,并使用它们来重建输入样本。该方案可以消除数据中包含的冗余信息,提高性能的聚类方法在识别异常样本,并减少计算量。来验证该方案的有效性,大量的实验进行比较与传统降维算法和聚类方法。 The results of experiments demonstrate that, in most cases, the proposed scheme outperforms the traditional dimension reduction algorithms with different clustering methods. SN - 1939-0114 UR - https://doi.org/10.1155/2021/7389943 DO - 10.1155/2021/7389943 JF - Security and Communication Networks PB - Hindawi KW - ER -