异常检测
文章平均质量分 92
shaoyue1234
啦啦啦,啦啦啦~
展开
-
2013.CIKM.Flexible and adaptive subspace search for outlier analysis
通俗的说,一个10维的异常A,如果是d1,d2维度导致的异常,那么在S维,S包含{d1,d2}上能检测出异常,否则不能,且检测的异常分数类似于下图。关键思想是基于这样的观察,即传统的异常值检测方法(应用于子空间)确实捕获了异常值的小偏差,即使包含了一些不相关的属性。利用随机子空间中异常值得分的差异来对相关子空间组合进行细化。原创 2024-09-02 16:07:26 · 962 阅读 · 0 评论 -
视频异常检测——Learning Memory-guided Normality for Anomaly Detection
Learning Memory-guided Normality for Anomaly Detection文章资源问题描述思想贡献做法存在的问题思考文章2020.CVPR.Learning Memory-guided Normality for Anomaly Detection.pdf资源githubhomepage问题描述基于reconstruction的问题:1、 do not consider the diversity of normal patterns explicitly,原创 2020-11-10 15:38:38 · 1039 阅读 · 0 评论 -
时间序列异常检测参考资料
awesome-TS-anomaly-detection基于时间序列的异常检测原创 2020-10-28 19:46:06 · 205 阅读 · 0 评论 -
autoencoder入门
autoencoder应用autoencoder结构约束数学表达式网络优缺点主要变体sparse autoencoder思想约束数学表达式网络优缺点Denoising AutoEncoder思想网络Variational AutoEncoder思想约束网络优缺点U-net网络其他autoencoderContrative AutoEncoder(CAE)Stacked AutoEncoder(SAE)其他应用于有监督参考资料应用Dimensionality ReductionInformation原创 2020-09-03 22:09:20 · 1745 阅读 · 0 评论 -
行人异常行为检测
行人异常行为检测什么是行人异常检测异常行为意义分类按行为定义的方法基于定义规则的方法基于概率的统计学方法学习正常模型学习所有数据基于机器学习的方式无监督有监督半监督基于选择的特征局部运动特征轨迹数据集参考待调研什么是行人异常检测异常行为在某一场景中不寻常的位置或不寻常的时刻发生的动作在某一场景中正常位置、正常时刻发生的不寻常动作意义分析视频监控,提高安保人员效率分类按行为定义的方法...原创 2020-03-09 02:01:22 · 13033 阅读 · 0 评论 -
异常检测——应用调研
金融金融犯罪侦破:分析异常行为模式电信盗用行为分析:分析异常模式,如转换、路由阻塞、占线、周期性呼叫证券风险分析:分析证券经营过程中的不正常行为领域标题发表地年份链接金融A survey of anomaly detection techniques in financial domainFuture Gener Comput Syst2016PDF...原创 2020-03-09 01:27:37 · 485 阅读 · 0 评论 -
异常检测——集成学习
Ensembles for Unsupervised Outlier Detection: Challenges and Research Questions首先,知道一个模型好不好(精确不)外部指标aucroctop-k正确率但是这些都是有监督的????内部指标目前暂无其次,提高不同模型的多样性多样性的意义图中红色的一个点代表一个模型的结果,绿圈代表groundtruth,蓝色代表...原创 2020-03-02 02:58:10 · 917 阅读 · 0 评论 -
微小物体+异常检测——初步调研
什么是微小物体当目标距离成像系统较远时,目标的像只占场景图像中单个或几个像素,这类微小尺寸目标的形态特征就近似与一个点目标。微小物体检测的难点1、小目标的尺度过小,基于手工特征提取的算法大多利用目标周围的邻域信息表达目标2、小目标本身的特征不够明显,容易受图像噪声的干扰而最终导致无检测和漏检测。现有方法1、使用高分辨率摄像头较少成像过程中的干扰和噪声2、提取识别算法方面,有两大假设:...原创 2020-02-23 00:18:00 · 2200 阅读 · 0 评论 -
异常检测——研究方向
异常检测——研究方向时间序列中的异常检测异常检测中的特征选择高维&子空间异常检测利用集成方法进行异常检测在变化的数据中进行异常检测异常检测中的表示学习异常检测的可解释性利用神经网络进行异常检测主动异常检测交互异常检测其他领域的异常检测文字异常检测异常检测的应用安全金融社交媒体机器失败时间序列中的异常检测异常检测中的特征选择高维&子空间异常检测利用集成方法进行异常检测在变化...原创 2019-10-28 10:19:50 · 984 阅读 · 0 评论 -
异常检测——孤立森林
异常检测——孤立森林基础思想算法训练阶段评估阶段参考基础1)异常数据只占少量;(2)异常数据特征值和正常数据差别很大。思想基于随机森林思想,但是更为简单假设数据集有N条数据,构建一颗iTree时,从N条数据中均匀抽样(一般是无放回抽样)出ψ个样本出来,作为这颗树的训练样本。在样本中,随机选一个特征,并在这个特征的所有值范围内(最小值与最大值之间)随机选一个值,对样本进行二叉划分,将样本中...原创 2019-10-27 22:40:42 · 959 阅读 · 0 评论 -
异常检测——ABOD(angle-based outlier detection)
论文:Angle-Based Outlier Detection in High-dimensional Data,kdd2008问题高维度情况下,距离同质化。基础:1、在高维空间中角度比距离更稳定[1]2、如果其他大部分的点都在相似的方向上,那么点O是个离群点3、如果许多其他的点在不同的方向上,那么点O不是离群点。方法对于一个给定的点P,它与任意其他点x,y之间的角度构成一个...原创 2019-10-13 22:14:04 · 17340 阅读 · 0 评论 -
异常检测3——常见方法分类
异常检测3——常见方法分类基于统计学极值分析对数据分布进行假设基于线性分析基于时空空间关系造成的异常时间序列上的异常基于相似性分析建立在距离度量上的异常检测建立在密度分析上的异常检测基于聚类的异常检测基于偏差高维方法其他集成异常检测监督异常检测,半监督异常检测,主动学习图中的异常检测、网络中的异常检测基于统计学极值分析往往只对单独纬度进行研究,使用上有很大的局限性【1】对数据分布进行假设...原创 2019-10-12 15:18:59 · 2277 阅读 · 0 评论 -
异常检测——拓扑异常检测(TAD)
分类是一种基于密度的outlier detection思想它不使用局部密度,而是利用近邻将数据构造成图。与其他KNN方法不同的是,它不用设定K作为参数,而是设定一个maximal inter-observation distance(被称为图resolution)的参数。在算法中,如果两个点之间的距离小与图resolution,就在他们之间加一个边。当整张图构建完成以后,通过设定一个阈值P...原创 2019-10-11 18:04:43 · 1326 阅读 · 0 评论 -
异常检测资料
异常点检测算法综述异常点检测算法(一)异常点检测算法(一)异常值检测算法(二)异常点检测算法(三)awesome-anomaly-detectionanomaly-detection-resources代码示例ad_examples...原创 2019-10-10 17:00:27 · 197 阅读 · 0 评论 -
异常检测2
异常检测2原创 2019-10-10 16:46:31 · 352 阅读 · 0 评论 -
异常检测1
异常检测1介绍anamoly定义:应用示例:两种方式监督非监督Motivations of comparative studiesanomalies的定义基于距离或密度的定义:基于独立性的定义:Zero++:介绍anamoly定义:“Something that deviates from what is standard,normal, or expected” Oxford Dicti...原创 2019-09-30 17:42:39 · 449 阅读 · 0 评论