文献

J-GLOBAL ID：201702276443408632   整理番号：17A1275009

複雑な取引システムにおける異常検出【Powered by NICT】

Anomaly detection in complex trading systems

著者 (5件)： Ranaweera Lochana (Department of Computer Science and Engineering, University of Moratuwa, Katubedda, Sri Lanka) ,  Vithanage Ruchindra (Department of Computer Science and Engineering, University of Moratuwa, Katubedda, Sri Lanka) ,  Dissanayake Amitha (Department of Computer Science and Engineering, University of Moratuwa, Katubedda, Sri Lanka) ,  Prabodha Chamil (Department of Computer Science and Engineering, University of Moratuwa, Katubedda, Sri Lanka) ,  Ranathunga Surangika (Department of Computer Science and Engineering, University of Moratuwa, Katubedda, Sri Lanka)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： MERCon  ページ： 437-442  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： システムのアベイラビリティが取引ドメインにおけるシステムから期待される主要な要件の一つである。システムアベイラビリティを低下させることができるシステム停電を防止するためには,異常検出は,システムの状態を評価し,実時間で故障につながる可能性があることを異常を検出できなければならない。教師つき学習アプローチに基づく複雑な取引システムのための異常検出のためのフレームワークを提案した。多重特徴低減法を実験した,最初にシステムパラメータから導出したノイズのある特徴を除去するために。動径基底関数(RBF)カーネルサポートベクトルマシン(SVM)と共にツリーに基づくアンサンブル上で構築された特徴選択技術に基づく分類法が最も有望な結果を示した。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： 雑音 ,  教師つき学習 ,  動径基底関数 ,  *アベイラビリティ ,  多重化 ,  特徴選択 ,  停電
準シソーラス用語： 分類法 ,  システムパラメータ ,  実時間 ,  *異常検出 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 取引 ,  異常検出