摘要
查鲁·C·阿加瓦尔。 2017年,离群值分析(第二版)。 斯普林格。 谷歌学者 数字图书馆 Leman Akoglu、Hanghang Tong和Danai Koutra。 2015.基于图形的异常检测和描述:一项调查。 数据挖掘和知识发现29,3(2015),626--688。 谷歌学者 数字图书馆 法布里齐奥·安吉乌利(Fabrizio Angiulli)。 2020年CFOF:用于异常检测的无浓度测量。 ACM《从数据中发现知识的汇刊》14,1(2020),1-53。 谷歌学者 数字图书馆 卡梅拉·科米托(Carmela Comito)、阿戈斯蒂诺·弗莱斯蒂罗(Agostino Forestiero)和克拉拉·皮祖蒂(Clara Pizzuti)。 2019.推特流中的突发事件检测。 ACM《从数据中发现知识的汇刊》13,4(2019),1-28。 谷歌学者 数字图书馆 胡荣耀、朱晓峰、朱永华和甘江章。 2020年。具有自适应图学习的稳健SVM。 万维网23,1(2020),1945-1968。 谷歌学者 数字图书馆 Huaming Huang、Kishan Mehrotra和Chilukuri K.Mohan。 2013.基于秩的异常值检测。 《统计计算与模拟杂志》83,3(2013),518--531。 谷歌学者 交叉引用 赵康、陆一伟、苏元璋、李长生和徐增林。 2019.通过保留内核的嵌入进行相似性学习。 AAAI会议记录。 4057--4064. 谷歌学者 数字图书馆 汉斯·彼得·克里格尔(Hans-Peter Kriegel)、佩尔·克罗格(Peer Kroger)、埃里希·舒伯特(Erich Schubert)和亚瑟·齐梅克(Arthur Zimek)。 2009.高维数据的轴平行子空间中的异常检测。 在第13届亚洲太平洋知识发现和数据挖掘会议论文集。 831--838. 谷歌学者 数字图书馆 胜利、明绍和云浮。 2018.多视图低秩分析应用于离群值检测。 ACM《从数据中发现知识的交易》12,3(2018),第32条。 谷歌学者 林周晨,陈敏明,马毅.2009。 精确恢复受损低秩矩阵的增广拉格朗日乘子方法。 技术报告UILU-ENG-09-2215。 UIUC大学。 谷歌学者 刘光灿(Guangcan Liu)、林周晨(Zhouchen Lin)、颜水成(Shuicheng Yan)、孙菊(Ju Sun)、余勇(Yong Yu)和马毅(Yi Ma),2013年。 基于低秩表示的子空间结构鲁棒恢复。 IEEE模式分析和机器智能汇刊35,1(2013),171--184。 谷歌学者 数字图书馆 刘光灿、林周晨和余勇。 2010.通过低秩表示的鲁棒子空间分割。 第26届机器学习国际会议论文集。 663--670. 谷歌学者 刘华文、李雪龙、李久镛和张世超。 2018.高效检测高维数据的离群值。 IEEE系统、人与控制论汇刊:系统48,12(2018),2451-2461。 谷歌学者 交叉引用 刘华文、李雪龙和张世超。 2017.学习多标签分类的实例关联函数。 IEEE控制论汇刊47,2(2017),499-510。 谷歌学者 交叉引用 刘华文、李雪龙、张世超、祁天。 2020年。采用稀疏矩阵分解的自适应散列。 IEEE神经网络和学习系统汇刊31,10(2020),4318-4329。 内政部: https://doi.org/10.109/TNNLS.2019.2954856 谷歌学者 交叉引用 马丹丹、袁媛和王琦。 2018.通过具有多分量稀疏表示的鉴别特征学习进行高光谱异常检测。 遥感10,5(2018),745。 谷歌学者 交叉引用 马晓晓、张向荣、徐唐、周慧玉、焦立成。 2020年。基于数据驱动投影和字典构建的低秩表示的高光谱异常检测。 IEEE应用地球观测和遥感专题期刊13(2020),2226-2239。 谷歌学者 交叉引用 H.D.K.Moonesinghe和Pang Ning Tan。 2008.Outrank:使用随机游走的基于图形的异常值检测框架。 《国际人工智能工具杂志》17,1(2008),19-36。 谷歌学者 交叉引用 Mostafa Rahmani和George K.Atia。 2017.一致性追求:快速、简单、稳健的主成分分析。 IEEE信号处理学报65,23(2017),6260--6275。 谷歌学者 交叉引用 商繁华、程詹姆斯、刘媛媛、罗志全和林周晨。2018。 鲁棒PCA的双线性因子矩阵范数最小化:算法和应用。 IEEE模式分析和机器智能汇刊40,9(2018),2066--2080。 谷歌学者 数字图书馆 沈恒涛、朱永华、郑伟和朱晓峰。 2020。不完整数据无监督特征选择的半二次最小化。 IEEE神经网络和学习系统汇刊(2020),10.1109/TNNLS.2020.3009632。 谷歌学者 交叉引用 Mahdi Soltanolkotabi和Emmanuel J.Candes。 2012.带离群值的子空间聚类的几何分析。 《统计年鉴》44,4(2012),2195-2238。 谷歌学者 N.N.R.Ranga Suri、Murty M.Narasimha和G.Athithan。 2019.孤立点检测:技术与应用(第1版)。 斯普林格。 谷歌学者 交叉引用 Manolis C.Tsakiris和Rene Vidal。 2015年,双重主成分追求。 在ICCV关于稳健子空间学习和计算机视觉的研讨会论文集上。 10--18. 谷歌学者 王超、刘震、高慧和严复。 2019.Vos:使用虚拟图的新异常值检测模型。 基于知识的系统185(2019),104907。 谷歌学者 数字图书馆 约翰·赖特(John Wright)、马毅(Yi Ma)、朱利安·迈拉尔(Julien Mairal)、吉列尔莫·萨皮罗(Guillermo Sapiro)、托马斯·黄(Thomas S.Huang)和颜水成(Shuicheng。 2010年。计算机视觉和模式识别的稀疏表示。 程序。 IEEE 98,6(2010),1031--1044。 谷歌学者 交叉引用 许欢(Huan Xu)、君士坦丁·卡拉马尼斯(Constantine Caramanis)和苏杰·桑哈维(Sujay Sanghavi)。 2012.通过异常值追踪实现稳健PCA。 IEEE信息理论汇刊58,5(2012),3047--3064。 谷歌学者 数字图书馆 徐晓丹、刘华文和姚明海。 2019.异常检测的最新进展。 复杂性(2019),2686378:1–2686378/11。 谷歌学者 Chong You、Daniel P.Robinson和Rene Vidal。 2017.子空间并集中可证明的基于自表示的异常值检测。 IEEE计算机视觉和模式识别会议论文集。 3395--3404. 谷歌学者 交叉引用 张恒敏、杨健、尚繁华、陈功和张振宇。 2019.通过易处理的Schatten范数最小化和因子分解实现子空间分割的LRR。 IEEE控制论汇刊49,5(2019),1722-1734。 谷歌学者 交叉引用 Ke Zhang、Marcus Hutter和Huidong Jin。 2009.一种新的基于局部距离的孤立点检测方法,用于分散的真实世界数据。 第13届太平洋亚洲会议论文集。知识发现和数据挖掘。 813--822. 谷歌学者 数字图书馆 赵章、李凡章、赵明波、李章和严水成。 2016.联合低秩和稀疏主特征编码,以增强鲁棒表示和视觉分类。 IEEE图像处理汇刊25,6(2016),2429--2443。 谷歌学者 数字图书馆 Zhao Zhang、Fanzhang Li、Mingbo Zhao、Li Zhang和Waicheng Yan。 2017.通过Nuclear/L2,1-形式正则化进行稳健邻域保持投影,用于图像特征提取。 IEEE图像处理汇刊26,4(2017),1607--1622。 谷歌学者 数字图书馆 朱晓峰(Xiaofeng Zhu)、甘江章(Jiangzhang Gan)、卢光泉(Guangquan Lu)、李嘉业(Jiaye Li)和张士超(Shichao Zhang)。 2020年,通过半二次优化进行光谱聚类。 万维网23,3(2020),1969-1988。 谷歌学者 数字图书馆 朱晓峰、张世超、李永刚、张继莲、杨立峰、岳芳。 2019.用于谱聚类的低秩稀疏子空间。IEEE知识与数据工程汇刊31,8(2019),1532--1543。 谷歌学者 数字图书馆 亚瑟·齐梅克(Arthur Zimek)和彼得·菲尔兹莫瑟(Peter Filzmoser)。 2018年:统计推理和数据挖掘算法之间的异常检测。 Wiley跨学科评论:数据挖掘和知识发现8,6(2018),e1280。 谷歌学者 交叉引用 亚瑟·齐梅克和埃里希·舒伯特。 2018.异常检测。 在数据库系统百科全书(第二版)中,Ling Liu和M.Tamerzsu(编辑)。 施普林格,第1章,1--5。 谷歌学者
索引术语
基于核保持嵌入的异常检测
建议
多元时间序列中异常检测的深度学习:方法、应用和挑战 摘要 最近,异常检测已被应用于各个领域,并提出了几种基于深度学习的技术来分析多变量时间序列。 在本研究中,我们将异常分为三类。。。 亮点 综述了多变量时间序列的异常检测方法。 这个。。。
CenAD:利用部分观测到的异常进行异常检测的协作嵌入网络 神经信息处理 摘要 在异常检测中利用观测到的异常可以显著提高检测精度。 假设观测异常涵盖所有异常分布,现有方法通常从这些观测异常中学习异常分布。。。