异常检测算法流程图
2024-12-07 11:54:00 0 举报
这段异常检测算法流程图显示了一种有效的方法来识别数据集中的异常值。它通过绘制数据的分布并计算离群点与平均值的偏差来确定异常。首先,通过计算每个数据点的标准差来评估数据的波动性,然后将这些偏差与预先设定的阈值进行比较,以确定哪些数据点被视为异常。此外,该算法还涉及特征选择的过程,以减少噪音并提高准确性。这个过程包括识别最能代表数据集的特征,并使用这些特征进行异常检测。这种分析可以帮助发现潜在的欺诈行为、系统故障或其他重要事件。
作者其他创作
大纲/内容
判断增删
带权重的MDV
异常节点二分类Set
Yes
可疑度增益排序
子图密度>全图密度
计算idf权重
No
99.5%采样
添加结点计算密度
数据特征量化处理
数据清洗
确定异常检测数据集
候选节点
可视化分析
数据预处理
导入数据
选取相邻结点并计算密度
遍历每个视图
遍历视图中连接结点
结点是否在候选集合
攻击类型等比例缩放
返回候选结点
多切片视图
遍历剩余视图
多视图挖掘
候选子图
候选视图
极坐标分析
多边形分析
散点图分析
计算MDV
柱状图分析
采样视图
多视图挖掘可疑流量节点算法
降维处理
开始
0 条评论
下一页