图拉普拉斯能量

以非一致性为异常：通过免训练图拉普拉斯能量最小化进行异常检测

Anomaly as Non-Conformity via Training-Free Graph Laplacian Energy Minimization

把「查询图像块偏离正常特征流形的程度」量化为带锚定正常节点的二部图拉普拉斯能量的闭式解，异常分数取满足正常性约束所需的特征更新幅度；这一「优化诱导特征漂移」可作为免训练、无参数的异常打分算子，直接替换基于余弦相似度的记忆库检索，用于工业缺陷检测与医学异常定位。