大致的理论是是 LSCP_AOM 使用了最大值最为伪标签，最大程度的保留了异常的特性，而在评估后的第二轮合并降低了伪标签带来的随机性和方差，提升了模型的可靠性。

2023年8月14日 · Locally Selective Combination in Parallel Outlier Ensembles（LSCP），一个多个异常检测 算法 的并行集成框架，可以对多个异常检测模型进行集成，提高性能与稳定性。 显然这是可行的，很自然的我们就会想到一种在监督学习中会用的方法Dynamic Classifier Selection （动态分类器选择）. 它的根本思想就是，每当我们获得一个新的X进行预测时，先评估一下哪些基学习器（base classifiers）在这个点附近的区域上表现良好（也就是在X的邻近区域上），那 …

2018年12月4日 · In this paper, we propose a framework---called Locally Selective Combination in Parallel Outlier Ensembles (LSCP)---which addresses the issue by defining a local region around a test instance using the consensus of its nearest neighbors in …

Three LSCP instances are solved while varying parameters: LSCP.from_cost_matrix() with network distance as the metric LSCP.from_geodataframe() with euclidean distance as the metric LSCP.from_geodataframe() with predefined facility locations and euclidean distance as the metric

分享一篇去年发在 SDM 19 上工作，我们主要提出了一种新的 集成异常检测框架，叫做LSCP。 文章， 代码， PPT， 直接可调用的实现（基于PyOD） 点击获得。 Zhao, Y., Nasrullah, Z., Hryniewicki, M.K. and Li, Z. LSCP: Locally Selective Combination in Parallel Outlier Ensembles.

2020年4月4日 · LSCP（Locally Selective Combination in Parallel Outlier Ensembles）是一种并行集成异常检测算法的框架，旨在解决传统组合方法忽视模型选择和局部特征的问题。 通过训练多个基模型，并对每个测试样本生成局部空间，LSCP使用皮尔逊相关系数选择与伪目标最相似的模型，以提高异常检测的性能和稳定性。 什么是 LSCP ？ Locally Selective Combination in Parallel Outlier Ensembles（LSCP），一个多个 异常 检测算法的并行集成 框架，可以对多个异常检测 …

2020年10月12日 · LSCP（Locally Selective Combination in Parallel Outlier Ensembles）通过强调数据局部性来选择性地组合基本检测器。 结合/融合/整合 (integration/ combination/ fusion)多个机器学习模型往往可以提高整体的预测能力。

位置集合覆盖问题 (Location Set Covering problem，LSCP)的数学模型是由Toregas等人最早提出的，其目标是在满足覆盖所有应急点的情况下，确定建立应急服务设施的个数或建设费用最小，并配置这些服务设施使所有的应急点都能被覆盖住到。

In this work, we propose four variants of a novel unsupervised outlier detection framework called Locally Selective Combination in Parallel Outlier Ensembles (LSCP). Unlike traditional …

2016年11月6日 · 最近十几年来许多基于启发式的算法被用于解决集覆盖问题，M.L. Fisher 和 P.Kedia提出了基于对偶的启发算法并用来解决最多有 200 个候选点、2000 个需求点的集覆盖问题；Beasley J.E. 和 Jornsten. K将次梯度优化法和拉格朗日松弛算法结合起来求解这类问题；Marcos Alminana 和 Jesus T. Pastor应用代理启发式算法求解集覆盖问题。J.E. Beasley 和 P.C. Chu给出了求解服务站建站成本不同时集覆盖问题的遗传算法。