.png){kind=icon}
返回
IWOA-LightGBM: Hyperparameter Optimization for Sensor Data Anomaly Detection
.png){kind=icon}
PRE
AI
DOI：10.3390/info17060518.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传感器数据中的异常检测性能对模型超参数高度敏感，这在中移动互联网安全和工业物联网（IIoT）场景下的可靠监测中至关重要。我们提出了一种基于IWOA-LightGBM的传感器数据异常检测方法。对于基于机器学习的异常检测方法，超参数选择往往决定了模型性能，因此我们提出了改进的鲸鱼优化算法（IWOA），并进一步利用它来优化LightGBM算法的超参数。为避免陷入局部最优并加速算法收敛，通过整合非线性收敛因子、自适应惯性权重因子和随机微分变异策略对WOA进行了改进。实验结果表明，在LightGBM模型训练的超参数优化过程中，IWOA相比鲸鱼优化算法（WOA）实现了更快的收敛速度和更高的计算效率，且异常检测准确率超过90%。
Keyword:
anomaly detection
industrial sensor data
IWOA
LightGBM
