机器视觉（AOI）之异常检测（Anomaly Detection）（32）
2021年2月26日17时03分
广东吉洋视觉：SMT AOI,LED AOI,焊线AOI,焊线检测AOI。异常检测相关工作与方向（1）异常数据集点集连续集团队集（2）异常检测模型无监督学习、自动编码、Gan、矩阵分解半监督学习、强化学习混合（hybrid），特征提取 + 传统算法单分类神经网络（3）异常检测应用欺诈检测网络入侵检测医疗异常检测传感器网络异常检测视频监控物联网大数据异常检测日志异常检测产业危害检测 2。异常检测论文分类（1）数据连续性（2）数据标签可用性有监督学习半监督学习无监督学习（3）训练基于对象模型深度混合模型（DHM）单类神经网络（OC nn）（4）数据异常类型点异常检测相关工作与方向1. DAD研究的主要元素(1) 异常数据集点集连续集团队集(2) 异常检测模型无监督学习、AutoEncoder、GAN、矩阵因子分解半监督学习、强化学习Hybrid(混种)、特征提取+传统算法单分类神经网络(3) 异常检测应用诈骗检测网络侵入检测医学异常检测传感器网络异常检测视屏监督物联网大数据异常检测日志异常检测工业危害检测2. 异常检测论文分类(1) 数据的连续性(2) 数据标签的可用性监督学习Supervised Learning半监督学习Semi-supervised Learning无监督学习Unsupervised Learning(3) 基于训练对象的模型深度混种模型Deep Hybrid Model(DHM)单分类神经网络One-Class Neural Networks(OC-NN)(4) 数据异常类型点集Point连续集Contextual团队集Collective or Group(5) 异常检测输出类型异常分数Anomaly Score标签Lable(6) 异常检测应用连续集上下文团队集集体或集体（5）异常检测输出类型异常得分标签（6）异常检测应用
郑重声明：
1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。
2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。
