文献

J-GLOBAL ID：201802237177008216   整理番号：18A0210891

密度偏倚サンプリングに基づく局所距離異常検出法【JST・京大機械翻訳】

Anomaly Detection Algorithm Based on the Local Distance of Density-Based Sampling Data

著者 (2件)： Fu Peiguo (中国科学院大学,北京 100049;天基綜合信息系統重点実験室(中国科学院軟件研究所),北京 100190) ,  Hu Xiaohui (天基綜合信息系統重点実験室(中国科学院軟件研究所),北京,100190)
資料名： Ruanjian Xuebao  (Ruanjian Xuebao)
巻： 28  号： 10  ページ： 2625-2639  発行年： 2017年 
JST資料番号： C2542A  ISSN： 1000-9825  CODEN： RUXUEW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 異常検出はデータマイニングにおける重要な研究領域であり,現在のところ,距離または最近接の概念に基づく異常データ検出法は,大量の高次元データ異常検出において,長い計算時間の問題がある。多くの改良された異常検出法は,アルゴリズムの計算効率を改善するが,しかし,検出の効果は良くない。これらに基づき,密度バイアスサンプリングに基づく局所的距離異常検出アルゴリズムを提案し,最初に,密度バイアスに基づく確率的サンプリング法を用いて,検出したデータ集合をサンプリングし,次に,局所的距離に基づく局所異常検出法を用いて,サンプリングデータを抽出した。サンプリングセットに対する局所異常係数計算を行い、得られた異常係数はサンプリングデータの局部異常係数であり、またデータセットの近似的なグローバル異常係数でもある。次に,得られたデータポイントの局所的異常係数をランク付けし,異常値が大きいほど,異常値がより大きくなる可能性がある。実験結果により,既存のアルゴリズムと比較して,提案したアルゴリズムは,より高い検出精度とより少ない計算時間を有し,このアルゴリズムは,種々の次元とデータ規模のデータに対して良好な検出効果を有し,拡張性が強いことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 近似法 ,  *検出法 ,  等級づけ ,  異常値 ,  *バイアス ,  CPU時間 ,  アルゴリズム ,  データマイニング
準シソーラス用語： 検出精度 ,  検出アルゴリズム ,  計算効率 ,  高次元データ ,  *異常検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： anomaly detection ,  outlier factor of local set ,  local distance ,  density-based sampling ,  SLDOF algorithm

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 密度 ,  偏倚 ,  サンプリング ,  異常検出