国家自然科学基金青年基金

01项目简介

异常点检测是机器学习、数据挖掘、模式识别等领域的研究热点和难点。面向高维空间的异常点检测更具有一定的挑战性。针对由数据的多维性引起的检测精度差和效率低问题,本项目拟以高维空间数据为研究对象,揭示数据表达所蕴含的异常结构特征;在融合浅层表达的具体特征与深层表达抽象特征基础上,构建紧致的数据集边界和鲁棒性判定框架,从而满足异常点高精度检测和快速测试的需求。项目主要研究内容包括:建立浅层表达与深层表达所蕴含的异常结构特征;构建紧致的数据集边界;融合数据表达的具体特征和抽象特征构建鲁棒的异常点检测模型。本项目的研究将改变现有检测方法仅采用单项技术的局限,对进一步推动高维空间异常点检测的发展及应用具有重要的实用价值和科学意义。

02关键词

异常点检测;数据表达;深度学习

03研究领域

机器学习,深度学习,子空间学习,数据挖掘