基于帕累托深度分析的多准则异常检测

我们考虑识别数据集中表现出异常行为的模式这一问题，通常称为异常检测。在大多数异常检测算法中，数据样本之间的相异性通过单一准则（如欧几里得距离）来计算。然而，在许多情况下，可能不存在能捕获所有可能异常模式的单一相异性度量。在这种情况下，可以定义多个准则，并通过使用它们的线性组合进行标量化来检测异常。如果不同准则的重要性事先未知，算法可能需要使用线性组合中不同的权重选择多次执行。在本文中，我们引入了一种新颖的非参数多准则异常检测方法，该方法使用帕累托深度分析（PDA）。PDA利用帕累托最优性的概念，在无需使用不同权重选择多次运行算法的情况下，检测多准则下的异常。所提出的PDA方法在准则数量上线性扩展，并且可证明优于准则的线性组合。