异常行为有哪些好的论文

A：

以下是几篇关于异常行为检测的经典论文：

1.《Isolation Forest》：这是一篇2012 年发表在 ACM SIGKDD 上的论文。该文提出了一种新的异常检测算法——孤立森林，该算法的思想是利用随机划分数据，然后计算异常点所在的分裂节点深度。孤立森林的算法适用于高维、大规模的数据集。

2.《One-Class SVM for Learning in Image Retrieval》：这是一篇2000年发表在 IEEE Transactions on Neural Networks 上的经典论文，提出了一种基于支持向量机（SVM）的单类分类算法。该算法利用了支持向量机的核技巧，在高维空间中构造出一个最小超球体，然后利用该超球体判断新实例是否异常。该算法适用于数据空间是非凸的场景。

3.《Density-Based Anomaly Detection》：这是一篇2000年发表在 Journal of Machine Learning Research 上的论文。该文提出了一种基于局部密度的异常检测算法。该算法利用密度函数来定义“正常”样本的分布，然后将那些远离正常分布的样本标为异常点。该算法适用于数据分布难以捕捉的情形。

4.《Robust Random Cut Forest Based Anomaly Detection on Streams》：这是一篇2018年发表在 》ACM Transactions on Knowledge Discovery from Data （TKDD）上的论文。该文提出了一种有监督的随机森林算法，用于在流数据中检测异常行为。该算法能够处理噪声和数据漂移的情况，同时也能够处理高维数据。