AD-MERCS：在无监督异常检测中建模正常与异常
机器学习
2023-05-23 v1
摘要
大多数异常检测系统试图对正常行为进行建模，并假设异常以多种方式偏离正常行为。然而，异常中也可能存在模式。理想情况下，异常检测系统可以利用正常行为和异常行为中的模式。本文提出 AD-MERCS，一种显式旨在同时建模两者的无监督异常检测方法。AD-MERCS 识别实例空间中存在的多个子空间，并识别表征偏离这些模式的实例的条件（可能位于其他子空间中）。实验表明，这种对正常性和异常性的联合建模使异常检测器在多种类型的异常上表现良好。此外，通过在（低维）子空间中识别模式和条件，该异常检测器能够提供简单的解释，说明为何某事物被视为异常。这些解释既可以是负面的（偏离某种模式），也可以是正面的（满足异常典型的条件）。
引用
@article{arxiv.2305.12958,
title = {AD-MERCS: Modeling Normality and Abnormality in Unsupervised Anomaly Detection},
author = {Jonas Soenen and Elia Van Wolputte and Vincent Vercruyssen and Wannes Meert and Hendrik Blockeel},
journal= {arXiv preprint arXiv:2305.12958},
year = {2023}
}