Sep, 2022

在线异常检测器的元层分析

PDF
TL;DR本文提供了对不同算法家族的主要在线探测器的质量、综合概述，包括构建、更新和测试探测模型的主要思想，并提供了在线检测算法与离线对应算法的结果定量实验评估的彻底分析，以及对数据集（即元特征）的各种特征进行统计分析。
发现论文，激发创造
  • 针对实时流数据异常检测技术的运行时效性权衡

    本文研究了实时流数据下的异常检测技术，旨在提供一个有关性能与准确性表现的选择指南。该研究总结了一系列各领域应用的生产数据集，并阐述了现有技术在实时数据流上无法直接应用的问题。

    Oct, 2017

  • 异常检测问题的元分析

    本文使用元分析研究异常检测问题和方法，提供了大量异常检测基准数据和实验结果，分析了实验设计、指标和算法策略的影响，为异常检测问题提供了本体、方法、实验规范和未来研究的指导。

    Mar, 2015

  • 动态过程限制的实时离群值检测

    本文提出了一种基于逆累积分布的在线异常检测算法，用于现有实时基础设施中低延迟检测，适用于不可预测的数据模式，并在两个实际微电网操作数据案例中展示了易于使用、快速计算和可部署的优势。

    Jan, 2023

  • Rare Yet Popular: 基于标记数据集的网络异常检测证据和影响

    本文针对网络环境下的异常检测问题，通过系统分析已有的公共和私有基准数据，探索了其时态性、多变量性和空间属性特征，并提出了基于聚类的简化标注方法，实验结果为 2-10 倍。

    Nov, 2022

  • 流式异常检测

    该论文提出了多种在线算法用于发现动态图和多方面数据流中的异常行为，并探讨了使用记忆模块的自动编码器来处理概念漂移的有效性。

    Jan, 2023

  • 异常和异常值检测的元调查

    对异常值和离群值对模型估计和数据处理的影响进行了全面的调查，包括对异常检测领域的综述和研究方法进行了研究，揭示了相关主题和方法的发展以及学者在这一领域的写作实践。

    Dec, 2023

  • 评估实时异常检测算法 - Numenta 异常基准测试

    本文介绍了针对流数据异常检测的挑战，提出了基于开源工具的 Numenta Anomaly Benchmark 验证框架，用于测试不同算法的实时检测性能，主要关键词包括流数据、异常检测、时间序列数据、实时检测器、谷底检测算法。

    Oct, 2015

  • 大规模异常检测：深度分布式时间序列模型的应用

    论文介绍了一种新的检测时间序列数据异常值的方法，主要应用于监测微服务和云资源健康。该方法的主要创新点是将时间序列的建模对象从实数值或实数向量扩展到了实数值（或向量）上的概率分布。

    Jul, 2020

  • 具有虚警率渐近界限的监控视频在线异常检测

    本文提出了一种在监控视频中进行在线异常检测的算法，它利用多目标深度学习模块和统计异常检测模块相结合的方法，通过渐近界限来控制误报率，从而提供了一种清晰的步骤，以选择满足所需误报率的适当决策阈值，并在多个公开数据集上取得了超越最先进算法的效果。

    Oct, 2020

  • 基于树的方法在异常检测中能超越深度学习吗？一项基准研究

    该论文通过综合基准研究评估了多种基于机器学习的异常检测算法，并发现树型算法在许多情境下表现优于深度学习。

    Feb, 2024