使用聚类稳定性分析方法增强单类学习算法.pdfVIP

2015年 4月 西安电子科技大学学报(自然科学版) Apr．2015 第42卷 第 2期 J0URNAL 0F XID IAN UNIVERSITY Vo1．42 NO．2 doi：10．3969／j．issn．1001—2400．2015．02．010 使用聚类稳定性分析方法增强单类学习算法 刘 家辰，苗启 广，宋建锋 ，曹 莹 (西安 电子科技大学 计算机学院，陕西 西安 71OO71) 摘要 ：针对传统单类学习模型对多模态或多密度分布数据描述能力不足的问题 ，将集成聚类和聚类稳定 性分析引入单类学习．首先将确定聚类簇个数与确定聚类簇分布统一到 同一个增强单类学习框架 中，之后 各聚类簇互为正负类分别建起立 多个单类分类模型 ，最后采用最大融合体积方法融合其决策边界．以经典 的支持 向量数据描述(sVDD)为例 ，设计 了基于集成聚类的稳定支持 向量数据描述算法——Ec sVDD． 在标准 UCI数据集和一个真实恶意程序行为数据集上 的实验结果表 明，ECS-SVDD的性能较单个支持 向 量数据描述及 同类单类学习方法更优．该方法可直接推广到其他最小包含体积集合类型的单类学习算法 上 ，以增强单类学习算法处理多模态和多密度分布数据的能力． 关键词 ：单类学 习；离群 点分析 ；聚类分析 ；聚类稳定性；支持 向量数据描述 中图分类号 ：TP181 文献标识码 ：A 文章编号 ：1001-2400(2015)02—0058—07 Enhancedone-classlearningbasedonclusteringstabilityanalysis LfUJiachen，MIAOQiguang，SONGJianfeng，CAOYing (SchoolofComputerScienceandTechnology，XidianUniv．，Xi’an 710071，China) Abstract： Conventionalone-classlearning modelsperform poorlywhen dataaremulti—．modalormulti—— density．Toaddressthisproblem ，ensembleclusteringandclusteringstabilityanalysisforoneclasslearning areintroduced．Firstly， identifying the number ofclustersand their distributions are unified in one enhancingframework．Thenmultipleone—classlearningmodelsareconstructedtodescribeclustersofthe targetclass．Lastly these one-class learning models are fused following the maximum fusion volume method．Using classic supportvectordata description (SVDD) as an instance of one—class learning algorithm ，anensembleclusterbasedstableSVDD，ECS-SVDD ，isproposed．ExperimentalresultsonUCI benchmarkdatasetsandareal—worldmalwaredetectiondatasetshow thattheECS-SVDD outperformsthe singleSVDD andsomeotherrelatedone—classlearningalgor