首页|基于GAN网络的异常检测算法研究

基于GAN网络的异常检测算法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对基于GAN网络的MO-GAAL(多目标生成对抗主动学习)算法鉴别器判别效果不稳定和模型鲁棒性问题,提出了改进算法RMOGAAL.该算法在MO-GAAL算法基础上引入了多个鉴别器,并借助集成学习中Bagging(自助聚合法)思想对真实数据进行随机采样,利用采样数据分别对引入的多个鉴别器进行训练,再通过训练结果对生成器进行调优,使生成器能够生成更接近判定边界的异常值,同时生成器优化促使鉴别器鉴别结果更加准确与稳定.生成器与鉴别器的交替优化,提高了整个模型的鲁棒性.实验结果表明,RMOGAAL算法不仅优于常用异常检测算法,并且较MO-GAAL算法相比有更高的性能.

余广民、林金堂、姚剑敏、严群、林志贤

展开 >

福州大学

GAN 异常检测 MO-GAAL Bagging 集成学习

国家重点研发计划课题广东省科技重大专项广东省光信息材料与技术重点实验室开放基金资助项目

2016YFB0401503no 2016B090906001no 2017B030301007

2020

广播电视网络

广播电视网络

ISSN：
年,卷(期)：2020.(4)
  • 2
  • 2