无限集合字典学习中的原子维度自适应

最近的工作表明，使用基于集合的原子进行字典学习在异常检测方面具有优势。不同于将原子视为单个向量，这些方法允许从围绕中心向量周围的集合中构建稀疏表示；该集合可以是锥或具有相关概率分布。我们提出了一种用于高斯和锥字典学习中自适应调整集合原子大小的方法。该算法的目的是匹配原子大小与其在表示信号中的贡献。该提议算法不仅会降低表示误差，还能提高异常检测性能，针对称为“依赖”类的异常。我们的结果在检测性能上优于当前最先进的方法。