一种基于不平衡类深度森林的异常行为检测算法

摘要：

目前已有的视频异常行为检测学习模型在训练过程中忽略了训练集中存在的不平衡类现象,造成模型偏向于多数正常类,减弱了少数异常类的识别能力.提出基于欠采样方法的不平衡类深度森林算法(IMDF),该算法首先采用欠采样方法构建正例和负例数量均衡的训练集分组,在每个分组上训练决策树.然后集成各组决策树为完全随机森林,将随机森林预测结果合并后输入至下一层神经网络,建立深度森林级联网络结构.最后将IMDF应用于视频异常行为检测中,在UMN和UCSD数据集上的实验结果表明IMDF算法具有较好地处理不平衡分类的能力,能够有效检测视频异常行为.

关键词：深度学习、随机森林、不平衡类、异常行为

所属期刊栏目：14

分类号：TP181(自动化基础理论)

资助基金：“十三五”国家重点研发计划项目2017YFC0820500

在线出版日期：2019-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：935-942