检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

轨迹异常检测研究综述

软件学报 2024年第2期35卷 927-974页

作者：李超能冯冠文姚航刘如意李宇楠谢琨苗启广西安电子科技大学计算机科学与技术学院陕西西安710071 西安市大数据与视觉智能关键技术重点实验室(西安电子科技大学) 陕西西安710071

传感器技术的飞速发展催生大量交通轨迹数据,轨迹异常检测在智慧交通、自动驾驶、视频监控等领域具有重要的应用价值.不同于分类、聚类和预测等轨迹挖掘任务,轨迹异常检测旨在发现小概率、不确定和罕见的轨迹行为.轨迹异常检测中一些常... 详细信息

传感器技术的飞速发展催生大量交通轨迹数据,轨迹异常检测在智慧交通、自动驾驶、视频监控等领域具有重要的应用价值.不同于分类、聚类和预测等轨迹挖掘任务,轨迹异常检测旨在发现小概率、不确定和罕见的轨迹行为.轨迹异常检测中一些常见的挑战与异常值类型、轨迹数据标签、检测准确率以及计算复杂度有关.针对上述问题,全面综述近20年来轨迹异常检测技术的研究现状和最新进展.首先,对轨迹异常检测问题的特点与目前存在的研究挑战进行剖析.然后,基于轨迹标签的可用性、异常检测算法原理、离线或在线算法工作方式等分类标准,对现有轨迹异常检测算法进行对比分析.对于每一类异常检测技术,从算法原理、代表性方法、复杂度分析以及算法优缺点等方面进行详细总结与剖析.接着,讨论开源的轨迹数据集、常用的异常检测评估方法以及异常检测工具.在此基础上,给出轨迹异常检测系统架构,形成从轨迹数据采集到异常检测应用等一系列相对完备的轨迹挖掘流程.最后,总结轨迹异常检测领域关键的开放性问题,并展望未来的研究趋势和解决思路.

关键词：轨迹数据异常检测数据挖掘机器学习深度学习

在线全文

学校读者我要写书评

暂无评论

面向多维时间序列异常检测的时空图卷积网络

西安电子科技大学学报 2024年第3期51卷 170-181页

作者：王静何苗苗丁建立李永华中国民航大学安全科学与工程学院天津300300 中国民航大学信息安全测评中心天津300300 中国民航大学计算机科学与技术学院天津300300

针对现有多维时间序列异常检测模型对局部和全局时空依赖性捕获能力不足的问题,提出一种基于时空图卷积网络的多维时间序列异常检测模型。首先,在时间维度上利用扩张因果卷积和多头自注意力机制,分别捕获短期和长期时间依赖性,并且引入... 详细信息

针对现有多维时间序列异常检测模型对局部和全局时空依赖性捕获能力不足的问题,提出一种基于时空图卷积网络的多维时间序列异常检测模型。首先,在时间维度上利用扩张因果卷积和多头自注意力机制,分别捕获短期和长期时间依赖性,并且引入通道注意力来学习不同通道的重要性权重;其次,在空间维度上利用静态图学习层根据节点嵌入构建静态图邻接矩阵,旨在捕获多维时间序列数据的全局空间依赖性,同时利用动态图学习层构建一系列演化的图邻接矩阵,旨在建模局部动态的空间依赖性;最后,联合优化重构模型和预测模型,通过重构误差和预测误差计算异常分数,然后比较阈值和异常分数的关系,进而检测异常。在MSL、SMAP和SWaT三个公开数据集上的实验结果表明,该模型在异常检测性能指标F1分数方面优于OmniAnomaly、MTAD-GAT和GDN等相关的基线模型。

关键词：图卷积网络时空依赖多维时间序列异常检测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于多尺度流模型的视觉异常检测研究

自动化学报 2024年第3期50卷 640-648页

作者：毛国君吴星臻邢树礼福建理工大学计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室福州350118

针对现有异常检测(Anomaly detection,AD)模型计算效率低和检测性能差等问题,提出一种多尺度流模型(Multi-scale normalizing flow,MS-Flow),通过多尺度交叉融合实现高效的视觉图像异常识别.具体地,在流模型(Normalizing flow,NF)内部... 详细信息

针对现有异常检测(Anomaly detection,AD)模型计算效率低和检测性能差等问题,提出一种多尺度流模型(Multi-scale normalizing flow,MS-Flow),通过多尺度交叉融合实现高效的视觉图像异常识别.具体地,在流模型(Normalizing flow,NF)内部构建层级式的多尺度架构来避免多通道数据的冗余交叉计算,同时保证网络的多尺度表达能力.此外,设计的层级感知模块通过逐层级的多粒度特征融合,在细粒度级别表达多尺度特征,有效地提高分布估计的精确性.该方法是一个平衡检测精度与计算效率的解决方案.在两个公开数据集上的实验表明,所提方法相较于以往的检测模型能够获得更高的检测精度(在MVTec AD和BTAD数据集上的平均AUROC(Area under the receiver operating characteristics)分别为99.7%和96.0%),同时具有更高的计算效率,浮点运算次数(Floating point operations,FLOPs)约为CS-Flow的1/8.

关键词：异常检测流模型层级感知多尺度特征

在线全文

学校读者我要写书评

暂无评论

基于空谱多路自编码器的高光谱图像异常检测

遥感学报 2024年第1期28卷 55-68页

作者：贾森刘宽徐萌朱家松深圳大学计算机与软件学院深圳518060 自然资源部大湾区地理环境监测重点实验室深圳518060 粤港澳智慧城市联合实验室深圳518060

高光谱图像异常检测作为一种无监督的目标检测,主要存在异常目标类型多样化、异常与背景不易区分、以及检测精度受场景影响大等难题。针对以上问题,本文提出了一种基于空谱多路自编码器的高光谱图像异常检测方法。首先,提出一种加权空谱... 详细信息

高光谱图像异常检测作为一种无监督的目标检测,主要存在异常目标类型多样化、异常与背景不易区分、以及检测精度受场景影响大等难题。针对以上问题,本文提出了一种基于空谱多路自编码器的高光谱图像异常检测方法。首先,提出一种加权空谱Gabor滤波方法,提取高光谱图像的多尺度空谱特征;其次,采用多路自编码器降低多尺度空谱特征在光谱维的冗余度,提取空谱特征中的主要信息;最后,利用得到的主要空谱特征,结合形态学滤波与双曲正切函数进行特征增强,以提高异常与背景噪声的区分度。本文提出的方法是一种即插即用的异常检测方法,无需额外的参数输入;多路自编码器提取了多尺度主要空谱特征,以应对异常目标类型多样化的难题;通过特征增强提高了背景与异常的区分度。将本文提出的方法与9种流行的异常检测方法相比,在5个高光谱数据集上进行验证,通过对比异常检测结果图、接收机操作特性(Receiver Operating Characteristic,ROC)曲线、ROC曲线下覆盖的面积AUC(Area Under Curve)以及异常像元与背景像元的箱型图等评价指标,证明了本文方法优于其他9种方法。

关键词：高光谱图像异常检测多路自编码器加权空谱Gabor 双曲正切函数特征增强

在线全文

学校读者我要写书评

暂无评论

物联网设备识别及异常检测研究综述

软件学报 2024年第1期35卷 288-308页

作者：樊琳娜李城龙吴毅超段晨鑫王之梁林海杨家海清华大学网络科学与网络空间研究院北京100084 北京信息科学与技术国家研究中心北京100084 国防科技大学信息通信学院湖北武汉430019

随着物联网技术的发展,物联网设备广泛应用于生产和生活的各个领域,但也为设备资产管理和安全管理带来了严峻的挑战.首先,由于物联网设备类型和接入方式的多样性,网络管理员通常难以得知网络中的物联网设备类型及运行状态.其次,物联网... 详细信息

随着物联网技术的发展,物联网设备广泛应用于生产和生活的各个领域,但也为设备资产管理和安全管理带来了严峻的挑战.首先,由于物联网设备类型和接入方式的多样性,网络管理员通常难以得知网络中的物联网设备类型及运行状态.其次,物联网设备由于其计算、存储资源有限,难以部署传统防御措施,正逐渐成为网络攻击的焦点.因此,通过设备识别了解网络中的物联网设备并基于设备识别结果进行异常检测,以保证其正常运行尤为重要.近几年来,学术界围绕上述问题开展了大量的研究.系统地梳理物联网设备识别和异常检测方面的相关工作.在设备识别方面,根据是否向网络中发送数据包,现有研究可分为被动识别方法和主动识别方法.针对被动识别方法按照识别方法、识别粒度和应用场景进行进一步的调研,针对主动识别方法按照识别方法、识别粒度和探测粒度进行进一步的调研.在异常检测方面,按照基于机器学习算法的检测方法和基于行为规范的规则匹配方法进行梳理.在此基础上,总结物联网设备识别和异常检测领域的研究挑战并展望其未来发展方向.

关键词：物联网设备识别异常检测

在线全文

学校读者我要写书评

暂无评论

基于半监督学习的未知异常检测方法

计算机研究与发展 2024年第7期61卷 1670-1680页

作者：程渝栋周昉华东师范大学数据科学与工程学院上海200062

异常检测旨在识别偏离预期行为模式的数据.虽然半监督异常检测方法可以充分利用有限的标签数据作为先验知识来提高检测准确性,但是收集到的标记异常(即已知异常)很难覆盖所有类型的异常并且在现实场景中往往存在着一些新型的异常(即未... 详细信息

异常检测旨在识别偏离预期行为模式的数据.虽然半监督异常检测方法可以充分利用有限的标签数据作为先验知识来提高检测准确性,但是收集到的标记异常(即已知异常)很难覆盖所有类型的异常并且在现实场景中往往存在着一些新型的异常(即未知异常),这些异常可能与已知异常表现出不同的特性,因此难以被现有的半监督异常检测方法识别.针对该问题,提出了一种基于半监督学习的未知异常检测(semi-supervised unknown anomaly detection,SSUAD)方法,旨在同时识别已知异常和未知异常.该方法利用闭集分类器对已知异常和正常分类,利用未知异常检测器检测未知异常.此外,还考虑了异常场景中异常和正常极端不平衡的情况,设计了有效的数据增强方法来扩充异常样本的数量.在UNSW-NB15和KDDCUP99数据集以及一个真实数据集SQB上进行了实验,实验结果表明,相较于现有的异常检测方法,SSUAD在异常检测性能指标AUC-ROC(area under receiver operating characteristic curve)和AUC-PR(area under precision-recall curve)上都有明显的提升.证明了SSUAD的有效性和合理性.

关键词：异常检测分布外检测半监督学习未知异常表格数据

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向高光谱异常检测的背景记忆模型

遥感学报 2024年第3期28卷 717-729页

作者：谢卫莹钟佳平李云松西安电子科技大学综合业务网理论及关键技术国家重点实验室西安710071

高光谱图像具有丰富的连续光谱信息,覆盖从可见光到红外波长范围内数百个波段。此数据特性使得高光谱数据在图像处理中有挖掘光谱内在特征的独特优势,从而有利于充分利用空间和光谱信息,检测感兴趣区域中的目标。但是由于高光谱数据的... 详细信息

高光谱图像具有丰富的连续光谱信息,覆盖从可见光到红外波长范围内数百个波段。此数据特性使得高光谱数据在图像处理中有挖掘光谱内在特征的独特优势,从而有利于充分利用空间和光谱信息,检测感兴趣区域中的目标。但是由于高光谱数据的高维性、实际场景的复杂性以及有标签样本数量的有限性,高光谱异常检测仍面临背景和异常不易区分和检测精度低的问题。为了解决以上问题,本文提出一种面向高光谱异常检测的背景记忆模型。首先,通过无监督的基于密度估计的粗检方法,获得伪背景和伪异常向量。其次,设计基于异常突出正则项约束的背景记忆生成对抗网络模型,扩大伪背景和伪异常间的距离,并采用弱监督—伪标签的训练方式,使得网络具有较强的背景生成能力,同时弱化其对于异常的重构效果,减少对于背景和异常重构的泛化性,增强输出检测结果中背景和异常的差异和辨别度。此外,在特征域和图像域进行对抗学习,提高样本生成能力,更好地学习到输入样本的分布情况,提高网络对背景的生成能力。最后,使用非线性背景抑制方法减小虚警率,进一步提升检测精度。实验结果表明,本文方法相比其他检测算法在不同数据集上具有更好的检测效果。

关键词：遥感生成对抗网络高光谱异常检测弱监督学习无监督学习

在线全文

学校读者我要写书评

暂无评论

基于相关性参数选择的飞行数据异常检测

北京航空航天大学学报 2024年第5期50卷 1738-1745页

作者：钟杰罗冲张恒苗强四川大学电气工程学院成都610065

随着无人机(UAV)技术的成熟,其在军民领域的应用越来越广泛,安全问题也逐渐受到重视。UAV飞行数据能直接反映其飞行健康状态。针对UAV飞行数据开展异常检测研究是提升UAV整体安全性的重要手段之一。基于此,提出了一种基于相关性参数选... 详细信息

随着无人机(UAV)技术的成熟,其在军民领域的应用越来越广泛,安全问题也逐渐受到重视。UAV飞行数据能直接反映其飞行健康状态。针对UAV飞行数据开展异常检测研究是提升UAV整体安全性的重要手段之一。基于此,提出了一种基于相关性参数选择与卷积神经网络(CNN)的异常检测方法。利用最大信息系数(MIC)和Pearson相关系数法挖掘参数之间的相关性,并建立相关性飞行参数集合;利用与待检测飞行参数相关的飞行参数数据训练卷积神经网络预测模型,根据模型预测值与真实值之间的残差判定异常。利用真实UAV飞行数据对所提方法进行验证,结果显示:所提方法的假阳率、假阴率、准确率指标均值分别为0%、0.19%、99.6%,证明了方法的有效性。

关键词：异常检测飞行数据最大信息系数 Pearson相关系数法卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于近似存在性查询的高效图像异常检测方法

电子科技大学学报 2024年第3期53卷 424-430页

作者：伍凌川史慧芳邱枫石义官中国兵器装备集团自动化研究所有限公司绵阳621000 北京理工大学机械与车辆学院北京100081

对于图像异常检测问题,查询测试样本在正常样本集中的K近邻距离并估计其异常程度,是一类准确率较高、对复杂分布的效果较稳定的方法。此类方法采用近似最近邻搜索(Approximate Nearest Neighbour Search, ANNS)索引进行K近邻搜索。但由... 详细信息

对于图像异常检测问题,查询测试样本在正常样本集中的K近邻距离并估计其异常程度,是一类准确率较高、对复杂分布的效果较稳定的方法。此类方法采用近似最近邻搜索(Approximate Nearest Neighbour Search, ANNS)索引进行K近邻搜索。但由于ANNS查询操作较高的计算开销和现实问题中庞大的数据量,此类方法的计算效率难以应对低时延、高吞吐量的应用场景。该文基于局部敏感哈希和布隆过滤器,提出了一种近似存在性查询(Approximate Membership Query,AMQ)方法,用特征近似存在性预测异常样本。相比于ANNS,AMQ具有更低的计算复杂度且更适合单指令多数据并行,可以有效解决基于特征库检索方法的计算性能瓶颈。在MVTec-AD数据集上的实验结果显示,基于AMQ的方法的异常分割准确率仅比ANNS方法降低1%左右,但推理时延、吞吐量和内存开销显著较优,接近端到端深度学习异常检测模型的计算效率。

关键词：异常检测无监督学习近似存在性查询布隆过滤器局部敏感哈希