PIF: 基于偏好嵌入的异常检测
机器学习
2025-05-16 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
我们解决检测结构化模式下的异常问题的挑战。为此, 我们构思了一种名为 PIF 的新型异常检测方法, 该方法结合了自适应隔离方法的优势和偏好嵌入的灵活性。具体而言, 我们提出在高维空间中嵌入数据, 以在其中采用高效基于树的方法 PI-Forest 来计算异常得分。在合成数据和真实数据集上的实验表明, PIF 在与最新异常检测技术的比较方面表现优异, 并确认 PI-Forest 在测量任意距离和在偏好空间中隔离点方面更优。
引用
@article{arxiv.2505.10441,
title = {PIF: Anomaly detection via preference embedding},
author = {Filippo Leveni and Luca Magri and Giacomo Boracchi and Cesare Alippi},
journal= {arXiv preprint arXiv:2505.10441},
year = {2025}
}
备注
Accepted at International Conference on Pattern Recognition (ICPR 2020)