文献

J-GLOBAL ID：201802282866684052   整理番号：18A0196395

データストリームにおける相関ルールと集団異常のためのオンラインマイニング【Powered by NICT】

Online mining for association rules and collective anomalies in data streams

著者 (6件)： Abbady Shaaban (Center for Visual and Decision Informatics, University of Louisiana at Lafayette, Lafayette, USA) ,  Ke Cheng-Yuan (Center for Visual and Decision Informatics, University of Louisiana at Lafayette, Lafayette, USA) ,  Lavergne Jennifer (Center for Visual and Decision Informatics, University of Louisiana at Lafayette, Lafayette, USA) ,  Chen Jian (Center for Visual and Decision Informatics, University of Louisiana at Lafayette, Lafayette, USA) ,  Raghavan Vijay (Center for Visual and Decision Informatics, University of Louisiana at Lafayette, Lafayette, USA) ,  Benton Ryan (School of Computing, University of South Alabama, Mobile, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 2370-2379  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： ストリーミングデータを解析するとき,結果は,分析が完了できるよりも速く値の低落させることができ,その結果を行った。これは確かに異常検出の場合,発生している(または初期段階で)としての潜在的問題を検出する修正挙動を可能にすることができる。しかし,最も異常検出法は点異常に焦点を当て,一方多くの詐欺的挙動は,実際のデータの配列の集団解析によってのみ検出できた。,異常検出システムはしばしば異常検出で停止は典型的に異常の特徴(属性)は互いにまたは正常状態のそれらにどのように関連するかについての情報を提供しない。本研究の目的は,ストリーミングデータからの集団的異常の検出を可能にする分散システムを作成し,それらの存在に加えて異常に関する情報のより充実した状況を提供することである。これを達成するために,(a)改良したオンライン配列異常検出アルゴリズムと(b)標的相関マイニングのために設計された新しいアルゴリズムも,動画像のストリーミング,分散環境上で実行した。,合成と実世界データセットに対して実施した,著者らの実験は,提案したフレームワークである異常を検出し異常に関連する情報を抽出するにおける近実時間応答を達成することができることを示した。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： ストリーミング ,  アルゴリズム ,  動画像 ,  *相関ルール
準シソーラス用語： 分散環境 ,  アソシエーション分析 ,  検出アルゴリズム ,  *オンライン ,  分散システム ,  詐欺 ,  異常検出 ,  ストリーミングデータ ,  *データストリーム , 【Automatic Indexing@JST】

分類 (3件)： データ保護  (JD01020V) ,  その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： データストリーム ,  相関ルール ,  集団 ,  オンライン