文献

J-GLOBAL ID：202002227614638197   整理番号：20A2399605

マルチ分解能グリッドに基づく異常検出法【JST・京大機械翻訳】

Anomaly Detection Method Based on Multi-resolution Grid

著者 (3件)： Liu Wenfen (桂林電子科技大学 广西密碼学与信息安全重点実験室,广西 桂林 541004) ,  Mu Xiaodong (桂林電子科技大学 广西密碼学与信息安全重点実験室,广西 桂林 541004) ,  Huang Yuehua (桂林電子科技大学 广西密碼学与信息安全重点実験室,广西 桂林 541004;桂林航天工業学院 計算机科学与工程学院,广西 桂林 541004)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 56  号： 17  ページ： 78-85  発行年： 2020年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  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： 重要なデータマイニング手段として、異常検出はデータ分析領域に広く応用されている。しかし、既存の異常検出アルゴリズムは異なるデータに対して、異なるパラメータを調整することで、相応の検査効果を達成でき、大型データに対して、既存のアルゴリズム検出の時間効率も人意ではない。グリッドに基づく異常検出技術は,低次元データ異常検出の時間効率問題を解決できるが,検出精度はグリッドの分割スケールと密度閾値パラメータに大きく依存し,このパラメータのロバスト性は貧弱で,異なるデータセットにうまく拡張できない。上記の問題に基づいて,多重解像度グリッドに基づく異常検出方式を提案して,それは,高いロバスト性のサブマトリックス分割パラメータを導入して,高次元データをいくつかの低次元部分空間に分割して,異常検出アルゴリズムを部分空間で実行して,高次元データの適用性を保証した。スパースから密な多解像度グリッドへの分割により,異なるスケールグリッドにおけるデータ点の局所的異常因子を包括的に考慮し,最終的にグローバル異常値のスコアランク付けを出力した。実験結果は,新規に導入されたサブマトリックス分割パラメータには,より良いロバスト性があり,そして,本方法は,高次元データに,よく適合することができ,そして,多くの公開データセットにおいて,良好な検出効果を得て,そして,高次元データ異常検出の問題を解決するために,効率的解法を提供することができた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  分解能 ,  適応性 ,  データ解析 ,  等級づけ ,  異常値 ,  ロバスト性 ,  データマイニング
準シソーラス用語： 多重解像度 ,  部分空間 ,  異常検出 ,  検出精度 ,  低次元 ,  検出アルゴリズム ,  高次元データ , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (4件)： マルチ ,  分解能 ,  グリッド ,  検出法