基于重构和多原型学习的弱监督异常检测方法及设备

本发明公开一种基于重构和多原型学习的弱监督异常检测方法及设备，属于异常检测技术领域。所述方法包括：将数据实例输入到异常检测模型，得到该数据实例xi的异常检测结果；其中，所述异常检测模型包括：重构学习模块，用于计算数据实例的潜在表示和重构误差；多正常原型学习模块，用于生成多个正常原型，并计算所述潜在表示与所有正常原型之间的相似度后，选择最大相似度；统一异常评分模块，用于将所述潜在表示、所述重构误差和所述最大相似度连接成一特征向量，并基于该特征向量得到所述数据实例的异常检测结果。本发明可以结合少量标记异常样本和大量未标记数据来进行异常检测，并提高了异常检测精度。