作为异常检测数据预处理的特徵空间约简
计算机视觉与模式识别
2023-05-01 v1
摘要
在本文中，我们提出两条流水线，以使用单类 SVM（One Class SVM）来约简异常检测的特徵空间。作为两条流水线的第一阶段，我们比较了三种卷积自编码器的性能。我们使用 PCA 方法结合 t-SNE 作为第一条流水线，以及基于重建误差的方法作为第二条。两种方法对异常检测均具潜力，但重建误差度量对该任务被证明更为鲁棒。我们展示了卷积自编码器架构对该任务无显著影响，并在真实世界数据集上证明了我们方法的潜力。
引用
@article{arxiv.2203.06747,
title = {Feature space reduction as data preprocessing for the anomaly detection},
author = {Simon Bilik and Karel Horak},
journal= {arXiv preprint arXiv:2203.06747},
year = {2023}
}
备注
27th Conference STUDENT EEICT 2020, Brno University of Technology