outlier detection | BriefGPT

关键词outlier detection

搜索结果 - 137

局部异常点检测的基于邻居的方法比较研究
对离群点检测中的邻居方法及其组成部分进行了研究，引入了一个分类法，使用信息、邻居和方法学作为三个层面来定义混合方法，通过合并该分类法的不同组成部分，可以提出新的基于邻居的离群点检测方法，实验结果表明，基于逆 K 最近邻方法在高维空间中具有良
PDFa month ago
高维数据多视图异常检测的生成子空间对抗主动学习
高维表格数据中的离群点检测是数据挖掘中一项重要任务，本研究提出了一种名为 GSAAL 的生成子空间对抗主动学习方法，通过多个对手学习不同数据子空间上的边际类概率函数，同时在全空间模拟内群类的整个分布，以解决现有离群点检测算法中的多视图、内点
PDF2 months ago
关于异常检测的测试时间训练
通过测试时训练方法，我们引入 DOUST 来显著提高异常检测的检测性能，并且在对常见基准数据集进行全面评估后，我们讨论了一个常见问题，并表明该问题在足够大的测试集下会消失。因此，我们得出结论，在合理的条件下，即使没有提供标记的异常值，我们的
PDF3 months ago
基于最优输运的自动异常数据矫正
通过使用凸凹成本函数的最优传输，我们提出了一个新颖的概念框架来检测异常值，并在自动异常值矫正机制中进行了集成和优化，实验证明了我们方法在众多模拟和实证分析中对均值估计、最小绝对回归和期权隐含波动率曲面拟合的有效性和优越性。
PDF3 months ago
集成不确定性与负对象性的异常点检测
在具有监督的视觉识别的安全关键应用中，离群点检测是一项至关重要的能力。本文提出一种新颖的方法，将异常分数定义为内部不确定性与离群类别的后验的集合，从而实现离群点的独立检测。该方法嵌入到一个密集预测架构中，并在 K+2 个类别上进行掩膜级别识
PDF4 months ago
提高离群值检测的效率生成隐藏离群值
提出了一种新的异常点生成方法 BISECT，在高维空间中模拟多角度的真实异常点，并将其用于改善多种数据集的异常点检测，如过采样减少错误率。
PDF5 months ago
维度感知的异常检测：理论与实验分析
我们提出了一种非参数异常检测方法，该方法完全考虑了数据集中的局部内在维度变化。通过使用局部内在维度估计值的局部估计以理论上合理的方式，我们的维度感知异常检测方法 DAO 被推导为涉及查询点和随机选择的近邻之间的渐近本地期望密度比的估计器。通
PDF6 months ago
基于形式概念分析和 Dempster-Shafer 理论的灵活分类
审计中的业务流程分类是重要的一部分，本文提出了一种基于加权二分图和正式概念分析方法的可解释的业务流程分类框架，并利用该框架描述了一种可以提供异常检测和分类的机器学习元算法。
PDF6 months ago
HLoOP -- 双曲空间局部异常概率
该文章引入了一种简单框架，用于在超休克 2 空间中检测局部异常值，称为 HLoOP (Hyperbolic Local Outlier Probability)。通过在超休克空间中计算数据点到其最近邻的 Riemmanian 距离，并利用高
PDF7 months ago
ICCVSSB：简单但强大的开集半监督学习性能提升基线
研究了半监督学习在开放集场景下的表现，提出了一种名为 Simple but Strong Baseline (SSB) 的方法，通过使用高置信度伪标签数据和非线性转换来改善内部分类和异常检测性能，进一步引入了伪负样本挖掘以提升对异常数据的检
PDF8 months ago
使用具备理论性能保证的生成模型进行离群点检测
通过离群点检测方法，我们提出了一种用于从受稀疏离群点污染的线性测量中恢复基于生成模型的信号的方法。我们的理论结果适用于线性生成型神经网络和非线性生成型神经网络，并提出了一个基于交替方向乘子法和梯度下降的迭代算法，能够成功地在离群点存在的情况
PDF9 months ago
基于动态图卷积神经网络的局部几何结构点云去噪和异常点检测
数字化社会快速发展，朝着数字孪生和元宇宙的实现方向迈进。其中，点云作为一种 3D 空间的媒体格式备受关注。由于测量误差，点云数据受到噪声和异常值的污染，因此在点云处理中需要进行去噪和异常值检测。我们通过应用基于动态图卷积神经网络设计的两种类
PDF9 months ago
监督异常传递学习中的严格率
稀缺的异常数据是学习准确的异常检测决策规则的一个关键障碍。虽然迁移学习方法在异常检测中取得了最近的经验成功，但关于从源异常检测任务向目标任务中传递知识的条件和方式的基本理解仍不清楚。本研究采用 Neyman-Pearson 分类的传统框架，
PDF9 months ago
基于分布和容量的孤立森林评分
我们对孤立森林方法进行了两项改进，第一项改进是信息论动机的评分函数推广，允许考虑整个分布而不仅仅是树的平均值；第二项改进是替换孤立森林中基于深度的评分方法，采用基于孤立树叶节点相关的超体积的评分方法，并在生成数据和 34 个 “ADBenc
PDF9 months ago
异常值不敏感卡尔曼滤波：理论与应用
从有噪音观测数据中对动态系统进行状态估计是许多应用中的一个基本任务。本文介绍了一种无参数算法，通过简短的迭代过程对 Kalman 滤波器的标准更新步骤进行在线估计，从而减轻观测数据中异常值的有害影响。仿真和实地实验评估证明了我们的方法在滤波
PDF10 months ago
ICCVIOMatch: 结合内点和外点利用的简化开放集半监督学习
本文介绍了一种名为 IOMatch 的新型开放集半监督学习框架，能够在标记极度稀缺的情况下有效地利用异常点和内点，通过采用一个多二分类器和标准闭集分类器相结合的方法，产生统一的开放集分类目标以及使用这些目标作为伪标签进行优化，从而在包括内点
PDF10 months ago
基于分位数最大似然训练的异常检测
通过量化分位数的最大似然目标为学习内点分布并改善稀有点分离，我们的方法使用训练好的判别特征适应一个标准化流，并根据评估的对数似然检测稀有点。通过实验评估，我们的方法表现优于现有的无监督方法，并与最近的自监督方法竞争。我们的工作能减少对充分负
PDF10 months ago
利用监督相似性量化基金按类别的异常度
通过机器学习方法，量化基金的错误分类对组合配置和投资基金经理的影响，利用距离度量学习基于随机森林的方法检测异常值，并展示基金的异常值与其未来回报之间的强关系。
PDFa year ago
加权稀疏偏最小二乘法用于联合样本和特征选择
通过使用一个具有稀疏性的权重正则化模型来提供一个具有全局收敛性的算法，以实现数据融合中的样本和特征选择；此外，通过在多视图数据融合中扩展模型来支持具有相同样本集的多视图数据，进一步提高算法的效率。
PDFa year ago
KDD带有非分布节点的图学习
用于图的预测任务的最先进模型为图神经网络 (GNNs)。本文主要研究在训练和推理期间出现了未在训练集中出现的节点的情况下，存在于图中的 out-of-distribution (OOD) 节点。我们提出了 Out-of-Distributi
PDFa year ago