基于采样特异性因子的实时异常检测

面向特异性的数据挖掘中，特异性因子是一个重要概念，但其计算时间复杂度过高。使用基于采样的方法定义特异性因子即采样特异性因子((sampledpeculiarityfactor,spf)可在不影响精度的情况下，提高运行效率。为提高基于spf算法的异常检测效率，提出了基于spf的学习采样频率算法，将spf和最优采样频率结合起来提出了实时异常检测算法。在真实数据集上进行了实验，置信度为95%时，得到的最优采样频率序列为[1/32,1/16]。仿真实时异常实验表明该算法的误检率为2%。