Missing-Kernel-Based OCSVM for Anomaly Detection on Missing Data

Jianan Liu

doi:10.1109/LSP.2026.3695800

Missing-Kernel-Based OCSVM for Anomaly Detection on Missing Data

2026-05-21

0

PRE

AI

DOI：10.1109/LSP.2026.3695800

原文链接

原文求助

摘要

En 中文

异常检测在存在缺失数据时具有挑战性。常见的两阶段策略首先对缺失值进行插补，然后执行异常检测，使其性能高度依赖于插补质量。当数据分布复杂时，插补质量可能较差，从而降低异常检测器的性能。为解决此问题，我们提出了一种基于缺失核的一类支持向量机（MK-OCSVM），其中构建了一种能够处理缺失数据的新型缺失核。MK-OCSVM避免了显式插补，因此其异常检测性能不受插补质量的影响。此外，我们利用观测空间中的部分观测数据来建模潜在原始空间中的数据分布，从而实现对潜在完整数据的异常检测。MK-OCSVM将数据分布建模和OCSVM构建纳入联合优化框架，这缓解了奇异性问题并增强了缺失核对异常检测的适用性。为求解MK-OCSVM的联合优化问题，设计了一种基于梯度的交替优化算法。实验结果表明所提出方法的有效性。

Keyword:

Anomaly detection

missing data

one-class support vector machine (OCSVM)

data distribution modeling

Missing-Kernel-Based OCSVM for Anomaly Detection on Missing Data

摘要

期刊

机构

引用论文