论文研究基于样本选取和加权KPCAL1的异常检测.pdf

为了提高基于一范数的核主成分分析算法（KPCA-L1）处理异常检测问题的速度，提出了基于样本选取和加权KPCA-L1的异常检测方法。该方法从训练集中选取具有代表性的特征子集，然后为所得特征子集中的样本赋予权重，用带有权重的特征子集训练模型，构造加权KPCA-L1。与KPCA-L1相比，该方法能够有效地减小训练集的规模，同时改善了KPCA-L1算法的更新方法。在人工数据集和标准数据集上的实验结果表明，在保证异常检测准确率的前提下，该方法比KPCA-L1具有更快的建模速度。