弱监督下基于变分混合模型的多模态数据分布异常检测

弱监督异常检测能够在少量标记异常样本的帮助下超越现有的无监督方法，这引起了研究者的越来越多关注。然而，现有的弱监督异常检测方法受限于这些方法未考虑真实数据分布的多模态性质。为缓解这一问题，我们提出了弱监督变分混合模型异常检测器（WVAD）。WVAD 在多模态数据集中表现突出。它由两个组成部分构成：深度变分混合模型和异常得分估计器。深度变分混合模型从不同簇中捕获数据的各种特征，然后将这些特征传递给异常得分估计器进行异常程度评估。在三个真实数据集上的实验结果表明，WVAD 的优势性。