文献

J-GLOBAL ID：201702290212838624   整理番号：17A0213564

複雑系の例外検出のための時系列を用いた発見マルチタイプ相関事象【Powered by NICT】

Discovering Multi-type Correlated Events with Time Series for Exception Detection of Complex Systems

著者 (4件)： Xun Peng ,  Zhu Pei-Dong ,  Li Cun-Lu ,  Zhu Hao-Yang
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICDMW  ページ： 21-28  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： システムの複雑性の増加に伴い,例外検出がより重要になると困難である。最も複雑なシステムでは,クラウドプラットホームのような,例外検出は主に実行時システムから収集された遠隔測定データの大量を分析することにより行った。時系列データとイベントデータは,二つの主要なタイプの遠隔測定データである。相関解析の技術は,データ駆動の例外検出のための技術者によって広く使用されている重要なツールである。それらの重要性にもかかわらず,例外検出のための二種類の不均一データの間の相関をこれまで少ししか研究されてきた:連続時間系列データおよび時間事象データ。本論文では,多時系列データとマルチタイプ事象データの間の相関を発見する方法を提案した。マルチタイプ事象データと多時系列データ間の相関を用いて,システムの例外を検出した。実データセットに関する実験結果は例外検出に対する提案手法の有効性を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 技術者 ,  *複合系 ,  連続時間系 ,  遠隔測定
準シソーラス用語： データ駆動 ,  相関分析 ,  時系列データ ,  複雑性 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (7件)： 複雑系 ,  時系列 ,  発見 ,  マルチ ,  タイプ ,  相関 ,  事象