.png){kind=icon}
.png){kind=icon}
返回
Unsupervised Surrogate Anomaly Detection
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-05962-8_5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了学习神经网络表示的无监督异常检测算法，即正常数据中的常规模式，而异常与此模式偏离。受工程领域类似概念的启发，我们将该方法论称为代理异常检测。我们将代理异常检测的概念形式化为最优代理模型所需的一组公理，并提出了一种新算法，命名为DEAN（深度集成异常检测），旨在满足这些标准。我们在121个基准数据集上评估了DEAN，展示了其与19种现有方法的竞争性能，以及我们方法的可扩展性和可靠性。
Keyword:
Anomaly Detection
Ensemble Methods