文献

J-GLOBAL ID：201402271993011881   整理番号：14A0102141

異常検出の新しい1クラスSVM

A NEW ONE-CLASS SVM FOR ANOMALY DETECTION

著者 (3件)： CHEN Yuting (Boston Univ., MA) ,  QIAN Jing (Boston Univ., MA) ,  SALIGRAMA Venkatesh (Boston Univ., MA)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2013 Vol.5  ページ： 3567-3571  発行年： 2013年 
JST資料番号： E0316B  ISSN： 1520-6149  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： 異常検出とは,規範分布から統計的に大きく偏位したデータ(異常または異常値)を特定する問題をいう。ノンパラメトリック異常検出法には1クラスSVMと密度型アルゴリズムがある。前者は計算効率が良いが,誤り警報率を直接制御できず不十分な結果となる。対照的に,後者は統計性能が良いが,試験時の計算複雑性が問題となる。統計密度情報と識別等級づけ手順を結合する,革新的異常検出フレームワークを提案した。訓練サンプルのランク一対順序を利用することによりランカーを学習する(規範ノードの平均k最近傍距離の等級づけ)。試験段階において,提案方式は,異常の閾値となる試験ポイントのランクを出力した。既存方式に比して,提案方式は統計密度情報を統合して,1クラスSVMに勝る性能をもたらすだけでなく,単純な等級づけスキーム故に密度型よりも複雑性が大幅に低いことを確認した。

シソーラス用語： *機械学習 ,  *サポートベクトルマシン ,  ノンパラメトリック法 ,  標本抽出 ,  *等級づけ ,  *異常値 ,  計算量 ,  性能評価 ,  確率密度 ,  有向グラフ ,  距離空間
準シソーラス用語： 異常検出 ,  SVM ,  p値 ,  サンプリング【統計】 ,  計算複雑性 ,  最近傍グラフ

分類 (2件)： 人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (3件)： 異常検出 ,  クラス ,  SVM