自学习建模的异常图检测

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

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。

🎯

关键要点

  • 该论文提出了一种自我区分建模框架,用于检测异常图形。

  • 框架提供了三种算法,显著提高了多个流行图形数据集的AUC性能。

  • 研究使用联合训练生成的伪异常图形和正常图形来学习鉴别器。

  • 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。

  • 研究分析了无监督算法优于有监督算法的原因。

➡️

继续阅读