文献

J-GLOBAL ID：201702258623552628   整理番号：17A0076858

多事例学習に基づく局所異常値検出アルゴリズムを提案した。【JST・京大機械翻訳】

Local Outlier Detection Algorithm Based on Multi-instance Learning

著者 (3件)： Qian Jinghui (College of Computer Science and Technology,Nanjing University of Technology) ,  Dou Liyang (College of Computer Science and Technology,Nanjing University of Technology) ,  Li Rongyu (College of Computer Science and Technology,Nanjing University of Technology)
資料名： Xinxi yu Kongzhi  (Xinxi yu Kongzhi)
巻： 45  号： 4  ページ： 471-478  発行年： 2016年 
JST資料番号： C2155A  ISSN： 1002-0411  CODEN： XYKOE9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文は,マルチインスタンス学習(MIL)に基づく局所異常値検出アルゴリズムを提案した。これをMIL-LOF(A LOCAL OUTLIER FACTOR BASED ON MULTI-INSTANCE LEARNING)と呼ぶ。アルゴリズムはMILフレームワークを採用し、まず実際の対象をマルチサンプル形式に抽出し、そして退化策略と重み調整方法を用いて、総合異常値因子を計算し、最後に異常値を検出する。実際の企業モニタリングデータと公共データデータによるMIL-LOFと古典的局所異常値検出アルゴリズムと最適化アルゴリズムとの比較実験を行い、結果は提案したMIL-LOFアルゴリズムが正確性、全面性及び効率性において、他のアルゴリズムよりも明らかに向上したことを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *異常値 ,  退化 ,  比較試験 ,  *アルゴリズム
準シソーラス用語： 正確性 ,  最適アルゴリズム ,  *検出アルゴリズム ,  *例からの学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： machine learning ,  local outlier ,  multi-instance learning ,  comprehensive outlier factor

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 事例学習 ,  異常値検出 ,  アルゴリズム ,  提案