Abstract：
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。
Keyword：
Reprint 's Address：
Email：
Source ：
广播电视网络
Year： 2020
Issue： 04
Volume： 27
Page： 101-107
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
