自学习建模的异常图检测
原文约300字/词，阅读约需1分钟。发表于：。研究使用仅针对正常图形进行训练的机器学习模型检测异常图形的问题，该问题在分子、生物学和社交网络数据分析等领域具有许多应用。通过使用联合训练生成的伪异常图形以及给定的正常图形来学习鉴别器（分类器），本论文提出了一种自我区分建模框架用于检测异常图形，该框架提供了三种算法，能够在几个流行的图形数据集上显著提高 AUC...
该论文提出了一种自我区分建模框架，用于检测异常图形。该框架提供了三种算法，能够在几个流行的图形数据集上显著提高 AUC 的性能。研究还发现即使是完全无监督的算法也能显著优于有监督学习算法进行异常图形检测，同时分析了对应的原因。
