文献

J-GLOBAL ID：201902220077283687   整理番号：19A0046958

隠れガウスモデルに基づく多変量離散データ異常検出【JST・京大機械翻訳】

ANOMALY DETECTION FOR MULTIVARIATE DISCRETE DATA BASED ON LATENT GAUSSIAN MODEL

著者 (6件)： Li Nanfang (国网青海省電力公司電力科学研究院 青海西寧810008) ,  Wang Xu (国网青海省電力公司 青海西寧810008) ,  Shao Wei (国网青海省電力公司信息通信公司 青海西寧810008) ,  Ma Xuezhi (国网青海省電力公司電力科学研究院 青海西寧810008) ,  Zhang Juling (電子科技大学計算机科学与工程学院 四川成都610000) ,  Liang Tao (電子科技大学計算机科学与工程学院 四川成都610000)
資料名： Jisuanji Yingyong Yuruanjian  (Jisuanji Yingyong Yuruanjian)
巻： 35  号： 8  ページ： 249-253  発行年： 2018年 
JST資料番号： C2940A  ISSN： 1000-386X  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,多くの実用的応用において非常に重要であり,特に精密制御の分野で非常に重要である。異常検出に対して、確率分布の思想を利用してこの問題を解決し、即ち正常行為の確率分布を学習し、低確率の行為を異常とする。伝統的方法において,多項式とディリクレ多項式は,正常行動の確率分布を学習するためのモデルとして使用した。しかし、小規模の多次元離散データセットに対して、これらのモデルは次元災害の問題に直面しなく、通常の行為の分布特性を捕らえることは難しい。この難問を解決するために、ベイズ学習に基づく技術--隠れガウスモデルを提出し、それはガウス過程を用いて、これらの多変数の分類サンプルに対して、連続の隠れ空間を獲得でき、小規模データセットをモデリングできる。一連の実験結果は,隠れガウスモデルが他の異常検出技術より効率的であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： Gauss過程 ,  布特性 ,  多項式 ,  モデリング ,  *Gauss模型 ,  *モデル ,  確率分布 ,  高次元
準シソーラス用語： Bayes学習 ,  精密制御 ,  *異常検出 ,  *多変量 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ガウスモデル ,  多変量 ,  異常検出