基于健壮主成分分类器的无监督异常检测方法研究

？入侵检测系统在训练过程中需要大量有标识的监督数据进行学习，不利于其应用和推广，经典主成分分析方法对离群数据非常敏感，进而导致分类准确性的下降。为了解决该问题，提出了一种基于健壮主成分分类器的方法，得到被离群数据干扰较少的主成分。根据主成分空间距离和数据重构误差构建异常检测模型。实验表明：该方法能够有效检测未知入侵，在检测率、误警率方面都达到较满意的结果。