文献

J-GLOBAL ID：201702283067633389   整理番号：17A1024842

ネットワーク上での動的事象の変化の検出【Powered by NICT】

Detecting Changes in Dynamic Events Over Networks

著者 (5件)： Li Shuang (H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, GA, USA) ,  Xie Yao (H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, GA, USA) ,  Farajtabar Mehrdad (College of Computing, Georgia Institute of Technology, Atlanta, GA, USA) ,  Verma Apurv (College of Computing, Georgia Institute of Technology, Atlanta, GA, USA) ,  Song Le (College of Computing, Georgia Institute of Technology, Atlanta, GA, USA)
資料名： IEEE Transactions on Signal and Information Processing Over Networks  (IEEE Transactions on Signal and Information Processing Over Networks)
巻： 3  号： 2  ページ： 346-359  発行年： 2017年 
JST資料番号： W2438A  ISSN： 2373-776X  資料種別： 逐次刊行物 (A)
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： 大量ネットワークストリーミング事象データの社会ネットワーク解析,インターネットトラヒックモニタリング,と健康管理分析のような幅広い応用分野における利用が増加している。ストリーミングイベントデータは連続時間内に発生する離散観測し,二つのイベント間の正確な時間間隔は,システムの動力学に関する重要な情報を持っている。はこの論文では,ネットワーク上での多次元事象データのための新しい変化点検出フレームワークを提案しこれらの流動事象データを用いてこれらの動的システムにおける変化を検出する迅速法。問題逐次仮説検定に投入すると,点過程のための尤度比,パラメータフリーであり,分散的に計算できることを期待値最大化(EM)のようなアルゴリズムにより効率的に計算したを導出した。誤警報率の非常に正確な理論的キャラクタリゼーションを導出し,この方法は時間とネットワーク上の局所統計量を集めて弱い信号検出を提供できることを示した。最後に著者らは,ツイッターとMemetrackerから数値例および実世界データセット上で提案アルゴリズムの優れた性能を実証した。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： 連続時間系 ,  動的系 ,  *ネットワーク ,  統計量 ,  仮説検定 ,  アルゴリズム ,  高次元 ,  信号検出 ,  健康管理
準シソーラス用語： ツイッター ,  誤警報率 ,  EMアルゴリズム ,  尤度比 ,  点過程 ,  変化点検出 , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  システム同定  (IA02040O) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 事象