这篇论文是Breunig于2000年发表在Proc. ACM SIGMOD 2000 Int. Conf. On Management of Data的关于LOF算法的经典论文，需要了解该算法的同学可以详细读一读。

本文设计了一款人体行为异常监控系统，主要适用人群是老年人，在摄像头固定的情况下，自动检测人体运动轨迹，并与提前设定好的行为库进行匹配，分析判断是否具有异常行为。 在数字图像预处理部分采用了图像二值化，腐蚀与膨胀等几种方法为人体目标的跟踪和检测做准备。为了克服在实际操作中遇到的问题，采用了帧差法和ViBe算法，帧差法即利用帧间变化与当前帧、背景算法来判断它是否大于阈值，并分析视频中序列的运动特性，ViBe算法则是一种背景建模的方法，背景模型是由邻域像素来创建，并对比背景模型、当前输入像素值检测出前景，确定视频中的目标跟踪。在人体行为识别中，运动目标最小长宽比以及连续帧间的加速度来判断人体行为是否

DEEP AUTOENCODING GAUSSIAN MIXTURE MODEL FOR UNSUPERVISED ANOMALY DETECTION 用于非监督异常检测的深度自编码高斯混合模型

博客中第三、四篇论文的PPT版本（里面含有动画，看起来更容易理解一些） 《2018Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding》和《2019MAD-GAN: Multivariate Anomaly Detection for Time Series Data with Generative Adversarial Networks》

（十三）Time-Series Anomaly Detection Service at Microsoft 微软时间序列异常检测服务

《Outlier Detection for Time Series with Recurrent Autoencoder Ensembles 基于递归自编码集成的时间序列离群点检测》

流量异常检测的东西，百度的资源分数太高了，下一个挪到CSDN给大家分享。

里面有27篇论文，都是18-21年的论文，包含综述和顶会等。

支持向量数据描述（SVDD） 使用SVDD进行异常检测或故障检测的MATLAB代码 2.1版，2021年5月11日 电子邮件：iqiukp@outlook.com 主要特点 用于一类或二进制分类的SVDD模型 多种核函数（线性，高斯，多项式，S形，拉普拉斯函数） 可视化2D或3D数据的决策边界 使用贝叶斯优化，遗传算法和粒子群优化的参数优化 加权SVDD模型 告示 此版本的代码与低于R2016b的版本不兼容。 对于阳性样品，标签必须为1；对于阴性样品，标签必须为-1。 详细的应用程序请参见演示。 此代码仅供参考。 如何使用 01.香蕉形数据集 定义了一个名为DataSet的类，以生成和划分2D或3D香蕉形数据集。 [data, label] = DataSet.generate; [data, label

机器学习异常检测（高斯分布）.7z