[1] 杨晓晖,张圣昌. 基于多粒度级联孤立森林算法的异常检测模型[J]. 通信学报, 2019,40(8):133-142.
[2] 刘垚磊,杨瑞,杨艺. 基于iForest的虚拟机异常检测机制[C]// 第33次全国计算机安全学术交流会论文集. 2018:19-22.
[3] CHEN G J, ZHANG X Y, WANG Z Z J, et al. Robust support vector data description for outlier detection with noise or uncertain data[J]. Knowledge-Based Systems, 2015,90:129-137.〖HJ0.88mm〗
[4] 魏晶茹,马瑜,白冰,等. 基于PSO-SVM算法的环境监测数据异常检测和缺失补全[J]. 环境监测管理与技术, 2016,28(4):53-56.
[5] 邓森林,陈卫东. 基于一类支持向量机的财务数据异常模式识别[J]. 信息工程大学学报, 2015,16(2):251-256.
[6] 〖KG-*3〗AMIT G, DATZ H. Computerized categorization of TLD glow curve anomalies using multi-class classification support vector machines[J]. Radiation Measurements, 2019,125:1-6.
[7] SHINE P, SCULLY T, UPTON J, et al. Annual electricity consumption prediction and future expansion analysis on dairy farms using a support vector machine[J]. Applied Energy, 2019,250:1110-1119.
[8] JI Y M, SUN L J, LI Y S, et al. Non-destructive classification of defective potatoes based on hyperspectral imaging and support vector machine[J]. Infrared Physics and Technology, 2019,99:71-79.
[9] 朱琳,刘春. 基于改进支持向量机的工程造价预测模型[J]. 计算机与数字工程, 2019,47(12):3209-3213.
[10]邹鑫,李远富,杨昌睿,等. 基于支持向量机的公路工程造价快速估算模型[J]. 交通科技, 2019(6):19-21.
[11]周映荷,刘琪,李天乐,等. 基于SVM的蛋鸡叫声异常检测系统研究[J]. 中国农业文摘:农业工程, 2019,31(1):61-62.
[12]吴鹏飞,石章松,闫鹏浩,等. 基于SVM的无人直升机着舰标志识别方法研究[J]. 现代防御技术, 2019,47(4):1-6.
[13]叶朱兵. 基于SVM技术的网络异常点检测模型的研究[J]. 电脑知识与技术, 2019,15(21):54-56.
[14]黄刚. 基于支持向量机的入侵检测系统的研究[D]. 西安:西安电子科技大学, 2018.
[15]朱建军,安攀峰,万明. 工控网络异常行为的RST-SVM入侵检测方法[J]. 电子测量与仪器学报, 2018,32(7):8-14.
[16]赵运红. 基于SVM主动学习的入侵检测优化算法研究[J]. 荆楚理工学院学报, 2018,33(4):5-9.
[17]孙磊. 基于SVM的异常网络行为检测方法研究[D]. 南京:南京邮电大学, 2018.
[18]关绍云,郑丽坤,金一宁,等. 基于高斯核函数的局部离群点检测算法[J]. 哈尔滨商业大学学报(自然科学版), 2019,35(2):185-190.
[19]王立英,石磊,伊静,等. NLOF:基于网格过滤的两阶段离群点检测算法[J/OL]. 计算机应用研究, 2020,37(4)[2019-10-20]. http://www.arocmag.com/article/02-2020-04-024.html.
[20]李航. 基于LOF的快速密度峰值聚类的电力数据异常值检测方法研究[D]. 兰州:兰州理工大学, 2019.
[21]高泽雄. 基于LOF算法的规律异常车辆检测[J]. 警察技术, 2018(4):92-94.
[22]周鹏,程艳云. 一种改进的LOF异常点检测算法[J]. 计算机技术与发展, 2017,27(12):115-118.
[23]应斐昊,邢宁哲,纪雨彤,等. 基于LOF的电力数据网业务流量异常检测[C]// 2016年全国通信软件学术会议程序册与交流文集. 2016:23-28.
[24]刘芳,齐建鹏,于彦伟,等. 基于密度的Top-n局部异常点快速检测算法[J]. 自动化学报, 2019,45(9):1756-1771.
[25]陈万志,徐东升,张静,等. 结合优化支持向量机与K-means++的工控系统入侵检测方法[J]. 计算机应用, 2019,39(4):1089-1094. |