《表2 实验中使用的算法参数设置》
KCRForest算法是在基于隔离异常点思想的SENCForest算法框架上改进,在完全随机森林的决策中融入样本的k近邻策略,基于样本的k近邻计算样本离群值。本文选择3种方法SENCForest[15]、i Forest[14]+SVM、LOF[16]+SVM与KCRForest算法进行性能对比。其中i Forest算法与LOF算法为异常点检测算法,将其与SVM算法组合后对测试样本进行新类检测与分类。SVM的程序调用libsvm[17]工具箱,核函数为高斯径向基函数,类型为C-SVC。SENCForest程序来源于机器学习与数据挖掘研究所提供的代码[15]。实验中算法的参数如表2所示,其中算法参数表示的含义与本文第2章KCRForest算法表示一致(N为树的数量;Di为训练子样本集;Minsize为叶节点最小样本数)。
图表编号 | XD00200921600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 武炜杰、张景祥 |
绘制单位 | 江南大学理学院、江南大学理学院 |
更多格式 | 高清、无水印(增值服务) |