文献

J-GLOBAL ID：201802219416484376   整理番号：18A0439552

高有用性異常の検出のための潜在的ラプラシアン最大エントロピー識別【Powered by NICT】

Latent Laplacian Maximum Entropy Discrimination for Detection of High-Utility Anomalies

著者 (3件)： Hou Elizabeth (EECS Department, University of Michigan, Ann Arbor, MI, USA) ,  Sricharan Kumar (Intuit Inc., Mountain View, CA, USA) ,  Hero Alfred O. (EECS Department, University of Michigan, Ann Arbor, MI, USA)
資料名： IEEE Transactions on Information Forensics and Security  (IEEE Transactions on Information Forensics and Security)
巻： 13  号： 6  ページ： 1446-1459  発行年： 2018年 
JST資料番号： W1570A  ISSN： 1556-6013  CODEN： ITIFA6  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： データ駆動型異常検出法は統計的に稀である全例検出の欠点に悩まされている,検出された例は,実際の重要性を有しているかどうかに無関係であった。本論文では,高い実世界の有用性を持つことが知られている異常例を特異的に検出するの問題に注目,低有用性統計的に異常な例を無視している。この目的のために,可能性のある解決策としての潜在的ラプラシアン最大エントロピー識別(LatLapMED)と呼ばれる新しい方法を提案した。この方法は,同時に統計的異常を同定するための幾何学的EM原理を組み込むためにエントロピー最小化(EM)アルゴリズム,および有用性標識を取込んだMED原理を用い,有益性異常を検出した。両方のシミュレーションと実際のデータセットに提案手法を適用し,分類前教師なし異常検出アルゴリズムと前処理の独立ことを既存の代替法以上に優れた性能を持つことを実証した。Copyright 2018 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： 前処理 ,  アルゴリズム ,  *Laplace演算子
準シソーラス用語： 検出アルゴリズム ,  エントロピー最小化 ,  異常検出 ,  データ駆動 ,  *最大エントロピー , 【Automatic Indexing@JST】

分類 (3件)： 音声処理  (JE05000E) ,  数値計算  (JE02000J) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 有用性 ,  ラプラシアン ,  最大エントロピー ,  識別