-
题名高阶多视图离群点检测
被引量：1
- 1
-
-
作者
钟颖宇
陈松灿
-
机构
南京航空航天大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2020年第9期99-104,共6页
-
基金
国家自然科学基金重点项目(61732006)。
-
文摘
由于数据在不同视图之间的分布比较复杂,传统的单视图离群点检测方法不再适用于多视图离群点的检测,使得多视图离群点检测成为一个颇具挑战性的研究课题。多视图离群点可分为3种类型:属性离群点、类离群点和类-属性离群点。现有方法采用跨视图成对约束来学习新的特征表示,并根据这些特征来定义离群点评分度量。这些方法没有充分利用视图间的交互信息,并且在面对3个或更多视图时会导致计算的复杂度更高。为此,文中考虑将多视图数据重塑成张量集形式,定义高阶多视图离群点,并且证明现有的三类多视图离群点都满足高阶多视图离群点的定义,从而提出一种新的多视图离群点检测算法——高阶多视图离群点检测算法(High-Order Multi-View Outlier Detection,HOMVOD)。该算法首先将多视图数据重塑成张量集形式,然后学习其低秩表示,最后设计张量表示下的离群值函数来实现检测。在UCI数据集上的实验表明,HOMVOD算法在检测多视图离群点方面优于现有方法。
-
关键词
多视图离群点检测
多视图学习
异常检测
张量表示
低秩表示
-
Keywords
Multi-view outlier detection
Multi-view learning
Anomaly detection
Tensor representation
Low-rank representation
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
