文献

J-GLOBAL ID：201902224662198355   整理番号：19A0526158

異常検出のためのロバスト回帰【JST・京大機械翻訳】

Robust regression for anomaly detection

著者 (4件)： Wang Ziyu (Institute for Network Sciences and Cyberspace, Tsinghua University, Beijing 100084, China, Tsinghua National Laboratory for Information Science and Technology(TNList)) ,  Yang Jiahai (Institute for Network Sciences and Cyberspace, Tsinghua University, Beijing 100084, China, Tsinghua National Laboratory for Information Science and Technology(TNList)) ,  ShiZe Zhang (Institute for Network Sciences and Cyberspace, Tsinghua University, Beijing 100084, China, Tsinghua National Laboratory for Information Science and Technology(TNList)) ,  Li Chenxi (Institute for Network Sciences and Cyberspace, Tsinghua University, Beijing 100084, China, Tsinghua National Laboratory for Information Science and Technology(TNList))
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICC  ページ： 1-6  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： 以前の研究では,通常の線形回帰方程式をネットワーク異常検出に適用した。しかし,通常の線形回帰方程式の性能は異常値に敏感である。残念ながら,ネットワークトラヒックのバースト性と普及するネットワーク攻撃により,通常の回帰モデルに対する「クリーンな」トラフィックデータセットを得ることはほとんど不可能である。本論文では,訓練データセットにおける異常値の影響を軽減するために,ロバスト回帰技法を用いた。実験結果は,ロバスト回帰ベースの方法が異常値の面における通常の回帰ベースの方法より信頼できることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 線形性 ,  回帰モデル ,  ネットワーク ,  *異常値
準シソーラス用語： 訓練データ ,  バースト性 ,  回帰式 ,  *ロバスト回帰 ,  *異常検出 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 異常検出 ,  ロバスト回帰