基于高斯先验和非线性异常分数的对抗异常检测
原文中文，约300字，阅读约需1分钟。发表于：。结合自动编码器和生成对抗网络的方法，提出了一种用于医学领域异常检测的新模型 beta-VAEGAN。通过训练核支持向量机，并考虑非线性关系，改进了异常检测性能，并提出了一种新的异常得分组成元素。相比现有最先进方法，在 MITBIH 心臟節律失常数据库上，将异常检测的 F1 得分从 0.85 提高到了 0.92。
该研究提出了一种新的医学异常检测模型beta-VAEGAN，结合了自动编码器和生成对抗网络，通过训练核支持向量机和考虑非线性关系，改进了异常检测性能，并提出了一种新的异常得分组成元素。在MITBIH心脏节律失常数据库上，该模型将异常检测的F1得分从0.85提高到了0.92，优于现有最先进方法。
