BriefGPT - AI 论文速递
·
数据污染下无监督鲁棒异常检测的迭代方法
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文提出了一个学习框架，通过识别样本的正常性并更新样本权重来改进正常性表示，提高了三种典型异常检测方法的鲁棒性。该框架还受到异常检测目标的启发，通过实验证明其有效性。
🎯
关键要点
- 提出了一个学习框架，通过识别样本的正常性来改进正常性表示。
- 框架通过迭代更新样本的重要性权重来提高鲁棒性。
- 受到异常检测目标的启发，提出了终止条件。
- 通过在多个受污染数据集上的实验，证明了框架的有效性。
- 框架提高了三种典型异常检测方法的鲁棒性。
➡️
