模糊树节点的随机森林与异常点检测

作     者：胡淼 王开军 李海超 陈黎飞 Hu Miao;Wang Kaijun;Li Haichao;Chen Lifei

作者机构：福建师范大学数学与信息学院福州350117 数字福建环境监测物联网实验室福建师范大学福州350117 

出 版 物：《南京大学学报（自然科学版）》 (Journal of Nanjing University（Natural Science）)

年 卷 期：2018年第54卷第6期

页      面：1141-1151页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61672157) 福建省自然科学基金(2018J01778) 

主　　题：异常点检测 集成学习 随机森林 模糊隶属度函数 模糊树节点 

摘      要：提出一种模糊树节点的随机森林算法进行异常点检测.在构建随机森林的分类决策树过程中,把模糊方法引入到二叉决策树的节点中,在节点中设计关于类别划分的模糊区域,在模糊区域上设计正常与异常隶属度函数.当某样本通过决策树节点的模糊区域时,若该样本的异常隶属度大于正常隶属度,则该样本被判别为异常类;否则,该样本进入决策树的下层树节点,若无下层节点则被判别为正常类.该样本的最终类别由随机森林算法中的投票步骤决定.在四个UCI数据集上的实验结果表明,在异常点检测的综合性能(召回率、精度和准确率)上,与基于随机森林的异常点检测算法RFV和RFP相比,新方法不仅具有较高的综合性能且性能稳定,还具有与一类支持向量机相当的性能,其部分实验结果优于一类支持向量机.