one-class learning | BriefGPT

关键词one-class learning

搜索结果 - 8

一种基于多流融合和单类学习的音视频深伪造检测方法
该研究针对深度伪造音视频的检测模型的挑战，提出了一种具有多模态融合和一类学习表示级正则化技术的方法，以解决方法的泛化问题和确保模型的可解释性。实验证明该方法对未见攻击的检测平均改进了 7.31%，同时提供了模型对伪造模态的识别结果。
PDF16 days ago
OLGA：一种单类图自编码器
OLGA 是一种端到端的图节点表示学习方法，通过结合两个损失函数来封装感兴趣的实例，其中包括一个新的超球面损失函数，以改善模型学习。OLGA 通过学习低维表示来保持分类性能，并提供了可解释的模型表示学习和结果。
PDF23 days ago
LOSS-GAT：标签传播和单类半监督图注意力网络用于假新闻检测
本研究采用基于图的模型的半监督和单类别方法 LOSS-GAT，利用标签传播算法检测假新闻，并在实验证明其优于传统的二分类模型。
PDF5 months ago
基于校准的单类分类方法用于无监督时间序列异常检测
本文提出了一种新颖的单类学习方法，称为校准的单类分类，用于解决训练数据中未知异常数据的影响并提高数据正常行为的建模，实现对时序异常数据的监控和警报。经过对六个真实世界数据集的广泛实验，表明该模型显著优于十二个现有的竞争对手，并获得 6％-3
PDF2 years ago
学生 - 教师特征金字塔匹配用于异常检测
本研究提出了一种使用学生 - 教师框架的、简单而强大的异常检测方法，该方法实现了对异常的像素级别准确和快速检测，其结果优于现有技术。
PDF3 years ago
ICCVGODS：一类通用的判别子空间用于异常检测
本文提出了一种新的针对单类学习的目标方法，采用正交归一帧子空间 “夹住” 标记数据，通过同时最小化两个目标来进行优化，即：缩小两个子空间的原点之间的距离，同时最大化正交超平面与数据之间的间隔，达到数据标记的目的，并在提出的 Dash-Cam
PDF5 years ago
基于持久同调的连通性优化表示学习
通过使用一种新型的基于持续同调的损失方法控制自编码器潜空间的连通性，从而进行表示学习，以实现一类学习，并通过核密度估计器对类内分布进行建模的参数选择，所获得的结果表明具有竞争性能，且只需使用一个自编码器，在较小的样本数量下，即可显著地超过其
PDF5 years ago
基于贝叶斯方法的数据描述问题
本文使用贝叶斯框架解决数据描述问题，提出一种可以利用先验信息、操作核空间且提高区分准确度的方法，并在各种真实世界数据集上测试，获得了较优的性能表现。
PDF8 years ago