面向结构化异常检测的哈希方法
机器学习
2025-05-19 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
我们关注识别一组样本中不符合由低维流形表示的结构模式的样本的问题。一种有效的解决方法是将数据嵌入高维空间，即“偏好空间”（Preference Space），以便将异常值识别为最孤立的点。在本工作中，我们采用局部敏感哈希（Locality Sensitive Hashing）以避免在高维中显式计算距离，从而提高异常检测的效率。具体而言，我们提出了一种专为在偏好空间中工作的基于隔离的异常检测技术，能够以更低的计算成本实现最先进的性能。代码已公开于 https://github.com/ineveLoppiliF/Hashing-for-Structure-based-Anomaly-Detection。
引用
@article{arxiv.2505.10873,
title = {Hashing for Structure-based Anomaly Detection},
author = {Filippo Leveni and Luca Magri and Cesare Alippi and Giacomo Boracchi},
journal= {arXiv preprint arXiv:2505.10873},
year = {2025}
}
备注
Accepted at International Conference on Image Analysis and Processing (ICIAP 2023)