基于GAN网络的异常检测算法研究

• 作者: 严群 余广民 姚剑敏 林志贤 林金堂
• 来源期刊: 广播电视网络
• 关键词: GAN 异常检测 MO-GAAL Bagging 集成学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 实践应用
• 页码范围: 101-107
• 页数: 7页
• 字数: 4169字
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林志贤		139	647	13.0	19.0
2	姚剑敏		86	238	8.0	10.0
3	林金堂		9	19	2.0	4.0
4	严群		10	1	1.0	1.0
5	余广民		1	0	0.0	0.0