基于随机森林算法的大数据异常检测模型设计

宋世军; 樊敏

doi:10.13229/j.cnki.jdxbgxb.20220598

吉林大学学报(工学版) ›› 2023, Vol. 53 ›› Issue (09) : 2659 -2665. DOI: 10.13229/j.cnki.jdxbgxb.20220598

计算机科学与技术

基于随机森林算法的大数据异常检测模型设计

宋世军 ¹ ,
樊敏 ²

作者信息 +

Design of big data anomaly detection model based on random forest algorithm

Shi-jun SONG ¹ ,
Min FAN ²

Author information +

文章历史 +

PDF (783K)

摘要

针对大数据异常检测过程易受边缘数据的干扰，导致大数据异常检测准确率较差的问题，提出了一种基于随机森林算法的大数据异常检测模型。首先，利用改进k-means算法对大数据实行聚类处理，采用主成分分析法提取大数据特征；然后，构建基于随机森林分类器的大数据异常检测模型，将提取的特征输入到模型中，构建决策树，并通过动态更新决策树的权重值提高分类器的分类精度；最后，输出分类结果，完成大数据的异常检测。实验结果表明，本文模型的检测时间约为25 s，大数据异常检测准确率平均值为91%，误报率为4.5%。