摘要：在大数据时代,基于机器学习的异常点(Outlier)检测被广泛应用在抗网络攻击、检测信用欺诈等方面,已引起工业界的普遍重视。不同于传统的分类和聚类问题,异常点检测需要面临严重数据失衡问题。为了解决这一问题,笔者提出了集成多种机器学习技术检测异常点的方法,并通过实验证明了方法的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
热门期刊服务
相关文章
影响因子：1.14
期刊级别：省级期刊
发行周期：月刊
期刊在线咨询，1-3天快速下单！
查看更多>
超1000杂志，价格优惠，正版保障！
一站式期刊推荐服务，客服一对一跟踪服务！
