本文首先对高光谱异常检测中的经典算法进行了研究分析，包括PCA和KPCA
两种特征提取算法，以及基于多元信号检测理论的RX、KRX和LAKDE异常检测算
法。通过仿真实验分析了这些算法的性能以及特征提取的必要性
2021-09-06 21:58:43
5.02MB
1
LOF异常检测代码matlab
异常检测学习资源
（也称为异常检测）是一个令人兴奋但具有挑战性的领域，旨在识别偏离一般数据分布的外围对象。
异常值检测已被证明在许多领域都很重要，例如信用卡欺诈分析、网络入侵检测和机械单元缺陷检测。
该存储库收集：
书籍和学术论文
在线课程和视频
离群数据集
开源和商业图书馆/工具包
重要会议和期刊
更多项目将被添加到存储库中。
请随时通过打开问题报告、提交拉取请求或给我发送电子邮件@()
来建议其他关键资源。
享受阅读！
顺便说一句，您可能会发现我的有用。
目录
1.
书籍和教程
1.1.
图书
作者：Charu
Aggarwal：涵盖大多数异常值分析技术的经典教科书。
异常值检测领域的必读书籍。
作者：Charu
Aggarwal
和
Saket
Sathe：在异常值分析中进行集成学习的优秀介绍书。
作者：Jiawei
Han、Micheline
Kamber
和
Jian
Pei：第
12
章讨论了许多关键点的异常值检测。
1.2.
教程
教程标题
场地
年
参考
材料
用于异常检测的数据挖掘
公钥簿
2008年
异常值检测技术
ACM
SIGKD
2021-09-03 16:29:39
45KB
1
高光谱异常检测对比算法合集-传统方法 CRD LRX GRX KRX RX
2021-08-27 19:10:45
6KB
1
作者：安德烈·维特（Andre Veit）
领英（LinkedIn）： :
电子邮件：
信用卡欺诈检查
不平衡数据的分类和异常检测
关于本笔记本
欺诈并不是什么新鲜事物，事实上，据《您的钱》网站称，第一个欺诈记录发生在公元前300年。 如今，在互联网和数字化以惊人的速度增长的世界中，每天都通过网络实现数百万笔交易和其他操作。 这意味着欺诈者有很多机会。
幸运的是，相对而言很少。 不幸的是……这个事实使他们很难被抓住。
本笔记本的目的是探索几种处理异常检测和高度不平衡的数据集的方法。
概述：
数据探索与准备
无监督学习-异常检测
2.1。 隔离林2.2。 局部离群因子
监督学习-分类
3.1。 逻辑回归3.2。 随机森林3.3。 支持向量机
自动编码器-无监督和半监督学习
4.1。 无监督学习4.2。 半监督学习
数据集
该数据集来自Kaggle网站，可以通过以下链接找到：
2021-08-27 09:16:24
1.58MB
1
2.Deep Learning for Anomaly Detection A Review 论文分享（中）.pdf
2021-08-24 14:01:40
4.62MB
1