本研究将孤立森林方法扩展至函数数据，以提高异常检测的准确性。提出了扩展孤立森林（EIF）和主动学习方法（ALIF）等改进算法，并在多个数据集上验证了其性能，显示出显著的鲁棒性和有效性。这些方法在无监督异常检测和特征选择中表现优异。