基于半非負(fù)矩陣分解神經(jīng)網(wǎng)絡(luò)的異常檢測(cè)方法

摘要： 異常檢測(cè)旨在識(shí)別數(shù)據(jù)中的異常，在工業(yè)檢測(cè)等領(lǐng)域中具有顯著的應(yīng)用價(jià)值。目前主流異常檢測(cè)方法采用的是自編碼器等無(wú)監(jiān)督模型，這類模型采用全連接層或卷積層進(jìn)行編碼、解碼的數(shù)據(jù)處理過程，會(huì)導(dǎo)致模型面臨缺乏解釋性、語(yǔ)義誤差等問題。為此，本文提出將半非負(fù)矩陣分解模型和神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式相結(jié)合，設(shè)計(jì)了一個(gè)用于異常檢測(cè)的半非負(fù)矩陣分解神經(jīng)網(wǎng)絡(luò)。由于半非負(fù)矩陣分解模型具有“局部疊加構(gòu)成整體”的特性，... （共7頁(yè)）