基于循环平稳统计模型与算法的多模态数据异常检测
信号处理
2018-07-19 v1 机器学习
统计方法学
机器学习
摘要
提出了一种检测多模态数据中异常的框架。采用基于深度神经网络的目标检测器从数据中提取目标和子事件的数量。提出一种循环平稳模型对计数序列中的规律行为模式进行建模。异常检测问题被表述为检测偏离所学循环平稳行为的问题。提出了顺序算法利用所提模型检测异常。所提算法在明确意义下被证明是渐近有效的。将所开发算法应用于由 CCTV 图像和社交媒体帖子组成的多模态数据，以检测纽约市的一场 5K 跑。
引用
@article{arxiv.1807.06945,
title = {Cyclostationary Statistical Models and Algorithms for Anomaly Detection Using Multi-Modal Data},
author = {Taposh Banerjee and Gene Whipps and Prudhvi Gurram and Vahid Tarokh},
journal= {arXiv preprint arXiv:1807.06945},
year = {2018}
}