文献

J-GLOBAL ID：201702223458104739   整理番号：17A1637361

迅速異常検出のための局所性鋭敏型ハッシュを用いた高速低ランク行列近似【Powered by NICT】

Fast low-rank matrix approximation with locality sensitive hashing for quick anomaly detection

著者 (6件)： Xie Gaogang (Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China) ,  Xie Kun (College of Computer Science and Electronics Engineering, Hunan University, Changsha, China) ,  Huang Jun (College of Computer Science and Electronics Engineering, Hunan University, Changsha, China) ,  Wang Xin (Department of Electrical and Computer Engineering, State of New York University at Stony Brook, USA) ,  Chen Yuxiang (College of Computer Science and Electronics Engineering, Hunan University, Changsha, China) ,  Wen Jigang (Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： INFOCOM  ページ： 1-9  発行年： 2017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： 異常トラヒックの検出先端インターネット管理のための重要なタスクである。主成分分析(PCA)に基づいた従来のアプローチが有効である腐敗は少量添加i.i.d.によって引き起こされるときだけであるGauss雑音。最近の直接ロバスト行列因数分解(DRFM)はよりロバストで異常検出で正確であることが証明されているが,最終解を見出すための低ランク行列近似のための特異値分解(SVD)の必要性とSVD実行の反復使用のために高い計算コストを招く。DRFMを用いた大規模トラヒック行列のための異常検出を可能にするために,著者らは最小誤差でトラヒック行列を予測する部分空間を探索する問題として低ランク行列近似問題を定式化した。高速低ランク行列近似のための,LSH部分空間,新しいアプローチを提案した。部分空間の迅速な探索のためのマトリックス分配を促進するために,いくつかの新しい技術:LSH関数に基づくODペア,射影誤差を最小化するための分割をガイドするための分配原理,低オーバヘッドでLSH表を更新するために異常値行列のスパース性を利用するための軽量アルゴリズムを発注多層局所性高感度ハッシング(LSH)表を提案した。実トレースデータに基づいた徹底的なシミュレーションは,著者らのLSH部分空間が高い異常検出精度でDRFMよりも3倍高速であることを示した。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： *近似法 ,  定式化 ,  *局所性 ,  ロバスト性 ,  アルゴリズム ,  ハッシング ,  射影 ,  *高速度 ,  主成分分析 ,  インターネット ,  異常値 ,  特異値分解
準シソーラス用語： スパース性 ,  部分空間 ,  *異常検出 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 異常検出 ,  局所性 ,  行列 ,  近似