基于结构的异常检测的偏好孤立森林

本研究针对检测不符合低维流形所表示的结构模式的异常样本这一问题，提出了一种名为偏好孤立森林（PIF）的通用异常检测框架。该框架结合了自适应隔离方法的优势与偏好嵌入的灵活性，主要通过将数据嵌入高维偏好空间来识别孤立点作为异常，并提出了三种隔离方法以提高检测效率和有效性。