基于改进LOF算法的窃电检测方法研究

异常值检测作为数据挖掘领域研究的热点问题之一,广泛应用于窃电识别、反信息欺诈等领域.而LOF算法作为一种依赖数据密度进行异常值识别的算法,因其具有检测精度高、应用场景多元等优势常被应用于窃电识别与检测过程中,但该算法往往存在较高的时间复杂度.针对该问题,提出了一种基于混合剪枝树模型改进的RBT-LOF算法,并在此基础上提出了相应的窃电用户识别模型.RBT-LOF算法首先对混合剪枝树的超平面划分方式进行调整,采用数据第一特征向量找出平衡分割位并重构数据对象;其次使用混合剪枝查询加速数据对象的搜索.实验结果表明:基于RBT-LOF的窃电识别模型较LOF算法、SVM、CNN和WDNet模型具有更高的执行效率和检测精确率.