基于半监督学习的行为建模与异常检测

摘要：

提出了一种基于半监督学习的行为建模与异常检测方法.该算法包括以下几个主要步骤:(1) 通过基于动态时间归整(DTW)的谱聚类方法获取适量的正常行为样本,对正常行为的隐马尔可夫模型(HMM)进行初始化;(2) 通过迭代学习的方法在大样本下进一步训练这些隐马尔可夫模型参数;(3) 以监督的方式,利用最大后验(MAP)自适应方法估计异常行为的隐马尔可夫模型参数;(4) 建立行为的隐马尔可夫拓扑结构模型,用于异常检测.该方法的主要特点是:能够自动地选择正常行为模式的种类和样本以建立正常行为模型;能够在较少样本的情况下避免隐马尔可夫模型欠学习的问题,建立有效的异常行为模型.实验结果表明,该算法与其他方法相比具有更高的可靠性.

关键词：行为建模、异常检测、半监督学习、隐马尔可夫模型、计算机视觉

所属期刊栏目：18

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60303021;国家高技术研究发展计划863计划2005AA118020

在线出版日期：2007-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：527-537