热点事件持续更新
AnDri：概念漂移下的自适应异常检测框架
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，研究者在 arXiv（Databases 分类）发布 AnDri 扩展报告，提出面向时间序列概念漂移场景的自适应异常检测框架 AnDri。该框架引入动态正常模型，可根据漂移情况激活、停用或新增正常模式；同时采用新的相邻层次聚类方法 AHC，学习尊重时间局部性的正常模式，以捕捉现有方法忽略的短时但重复出现的模式。实验显示，在包含不同类型、比例和分布的概念漂移与异常的真实数据集上，AnDri 优于现有基线。目前公开信息仅涉及该报告内容，未见后续验证或独立复现结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
2026-10-09 arXiv 发布 AnDri 扩展报告，称其在真实数据集上优于现有基线。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · DatabasesAnDri：概念漂移下的自适应异常检测扩展报告
研究者提出 AnDri 框架，用于在时间序列概念漂移存在时进行异常检测，引入动态正常模型以激活、停用或新增正常模式。AnDri 采用新的相邻层次聚类方法 AHC，学习尊重时间局部性的正常模式，以捕捉现有方法忽略的短时但重复出现的模式。实验显示 AnDri 在包含不同类型、比例和分布的概念漂移与异常的真实数据集上优于现有基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。