紧致Lasso：基于凸包体积的异常检测方法
机器学习
2025-09-03 v2
摘要
检测离分布(OOD)数据是维护模型可靠性和鲁棒性的关键任务。本研究提出一种新型异常检测算法，利用数据集的凸包(CH)属性，通过观察OD样本仅略微增加凸包体积这一事实。因此，我们通过迭代计算样本被移除后凸包体积的变化，直到移除样本不会显著改变凸包体积为止，从而在OD和in-distribution数据之间建立决策边界。该算法在十个数据集上评估了七种广泛使用的异常检测方法，表现出与最先进(SOTA)技术相当的性能。此外，我们引入了一种计算效率准则，用于识别所提出方法优于现有SOTA方法的候选数据集。
引用
@article{arxiv.2502.18601,
title = {Tighten The Lasso: A Convex Hull Volume-based Anomaly Detection Method},
author = {Uri Itai and Asael Bar Ilan and Teddy Lazebnik},
journal= {arXiv preprint arXiv:2502.18601},
year = {2025}
}