用于生成式异常声音检测的判别式邻域平滑

我们提出对生成式异常分数进行判别式邻域平滑，用于异常声音检测。虽然已知判别式方法通常比生成式方法取得更好的性能，但我们发现，由于训练数据与测试数据之间的差异，它有时会导致显著的性能下降，使其鲁棒性不如生成式方法。我们提出的方法旨在通过结合生成式和判别式方法来弥补两者的缺点。利用具有相似判别特征的多个样本对生成式异常分数进行平滑，以集成的方式提高生成式方法的性能，同时保持其鲁棒性。实验结果表明，我们提出的方法极大地改进了原始的生成式方法，包括AUC绝对提升22%，并且工作稳健，而判别式方法则受到数据差异的影响。