46、异常检测与医疗决策支持系统技术解析

异常检测与医疗决策支持系统技术解析

1. 异常检测方法对比

在异常检测领域，不同方法在性能上存在显著差异。以pendigits数据集为例，PCAOD、OPCAOD、LOF和fast ABOD的平均CPU时间如下表所示：
| 方法 | CPU时间（秒） |
| — | — |
| PCAOD | 0.2671 |
| OPCAOD (r = 0.1) | 0.2878 |
| LOF (k = 100) | 3.221 |
| Fast ABOD (k = 40) | 18.772 |

从表中可以看出，PCAOD和OPCAOD的计算速度明显快于LOF和Fast ABOD。这表明在某些场景下，选择合适的异常检测方法可以显著提高计算效率。

在在线异常检测阶段，使用KDD Cup 99数据集对方法进行评估。具体操作步骤如下：
1. 聚焦于tcp协议下的10%训练子集。
2. 提取2000个正常实例点作为训练集。
3. 重新采样2000个正常实例和不同规模的攻击作为测试集。
4. 进行数据清洗，过滤正常数据中的100个点（5%）以避免偏差数据。
5. 提取正常模式（第一主方向）。
6. 使用在线异常检测来检测新到来的攻击。
7. 利用训练集和重新采样的其他攻击来确定阈值。

KDD Cup 99数据集的检测结果如下表所示：
| 攻击类型 | 测试数据大小（正常） | 测试数据大小（攻击） | 真阳性率（TP） | 假阳性率（FP） | 错误率 |
| — | — | — | — | — | — |
| Dos |