会员服务
在数据挖掘中，异常检测（英语：anomaly detection）对不符合预期模式或数据集中其他项目的项目、事件或观测值的识别。通常异常项目会转变成银行欺诈、结构缺陷、医疗问题、文本错误等类型的问题。异常也被称为离群值、新奇、噪声、偏差和例外。 特别是在检测滥用与网络入侵时，有趣性对象往往不是罕见对象，但却是超出预料的突发活动。这种模式不遵循通常统计定义中把异常点看作是罕见对象，于是许多异常检测方法（特别是无监督的方法）将对此类数据失效，除非进行了合适的聚集。相反，聚类分析算法可能可以检测出这些模式形成的微聚类。 有三大类异常检测方法。[1] 在假设数据集中大多数实例都是正常的前提下，无监督异常检测方法能通过寻找与其他数据最不匹配的实例来检测出未标记测试数据的异常。监督式异常检测方法需要一个已经被标记“正常”与“异常”的数据集，并涉及到训练分类器（与许多其他的统计分类问题的关键区别是异常检测的内在不均衡性）。半监督式异常检测方法根据一个给定的正常训练数据集创建一个表示正常行为的模型，然后检测由学习模型生成的测试实例的可能性。
Locally Adaptive One-Class Classifier Fusion with Dynamic $\ell$p-Norm Constraints for Robust Anomaly Detection
Arxiv
0+阅读 · 11月20日
TSINR: Capturing Temporal Continuity via Implicit Neural Representations for Time Series Anomaly Detection
Arxiv
0+阅读 · 11月20日
A SAM-guided Two-stream Lightweight Model for Anomaly Detection
Arxiv
0+阅读 · 11月19日
UMGAD: Unsupervised Multiplex Graph Anomaly Detection
Arxiv
0+阅读 · 11月19日
On-device Anomaly Detection in Conveyor Belt Operations
Arxiv
0+阅读 · 11月16日
TSINR: Capturing Temporal Continuity via Implicit Neural Representations for Time Series Anomaly Detection
Arxiv
0+阅读 · 11月18日
LLM-assisted Physical Invariant Extraction for Cyber-Physical Systems Anomaly Detection
Arxiv
0+阅读 · 11月17日
ALLO: A Photorealistic Dataset and Data Generation Pipeline for Anomaly Detection During Robotic Proximity Operations in Lunar Orbit
Arxiv
0+阅读 · 11月14日
Coniferest: a complete active anomaly detection framework
Arxiv
0+阅读 · 11月15日
Dinomaly: The Less Is More Philosophy in Multi-Class Unsupervised Anomaly Detection
Arxiv
0+阅读 · 11月14日
Adaptive Deviation Learning for Visual Anomaly Detection with Data Contamination
Arxiv
0+阅读 · 11月14日
Advancing Software Security and Reliability in Cloud Platforms through AI-based Anomaly Detection
Arxiv
0+阅读 · 11月14日
Exploring Zero-Shot Anomaly Detection with CLIP in Medical Imaging: Are We There Yet?
Arxiv
0+阅读 · 11月14日
Anomaly Detection in Large-Scale Cloud Systems: An Industry Case and Dataset
Arxiv
0+阅读 · 11月13日
LogLLM: Log-based Anomaly Detection Using Large Language Models
Arxiv
0+阅读 · 11月13日
参考链接
微信扫码咨询专知VIP会员
Top