文献

J-GLOBAL ID：202002233008355114   整理番号：20A1809286

セルラネットワークにおける半教師付き機械学習支援異常検出法【JST・京大機械翻訳】

Semi-Supervised Machine Learning Aided Anomaly Detection Method in Cellular Networks

著者 (7件)： Lu Yutao (FocusLab, College of Telecommunications and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Wang Juan (FocusLab, College of Telecommunications and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Liu Miao (FocusLab, College of Telecommunications and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Zhang Kaixuan (FocusLab, College of Telecommunications and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Gui Guan (FocusLab, College of Telecommunications and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Ohtsuki Tomoaki (Department of Information and Computer Science, Keio University, Yokohama, Japan) ,  Adachi Fumiyuki (Research Organization of Electrical Communication, Tohoku University, Sendai, Japan)
資料名： IEEE Transactions on Vehicular Technology  (IEEE Transactions on Vehicular Technology)
巻： 69  号： 8  ページ： 8459-8467  発行年： 2020年 
JST資料番号： C0244A  ISSN： 0018-9545  CODEN： ITVTAB  資料種別： 逐次刊行物 (A)
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： セルラネットワークにおけるデータの増え続ける量は,ネットワークオペレータが経験の質(QoE)を監視するための課題を提起する。伝統的鍵品質指標(KQIs)ベースのハード決定方法は,大きいデータの場合のQoE異常検出のタスクを下すのが難しい。この問題を解決するために,本論文では,半教師つき機械学習アルゴリズム,即ち,反復ポジティブサンプル支援1クラスサポートベクトルマシン(IPS-OCSVM)を用いて,KQIベースのQoE異常検出フレームワークを提案した。提案方法を実現するための4つのステップがあり,一方,キーステップは,OCSVMを用いたネットワークオペレータのエキスパート知識と機械学習を組み合わせる。提案したIPS-OCSVMフレームワークは,ソフト決定を通してQoE異常検出を実現して,需要に関する異常検出能力を容易に微調整することができた。さらに,エキスパート知識に基づくKQI閾値の変動が異常検出の結果に限定的な影響を与えることを証明した。最後に,セルラネットワークにおけるQoE異常検出のための提案IPS-OCSVMフレームワークを確認するために,実験結果を与えた。Copyright 2020 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： アルゴリズム ,  オペレータ ,  *ネットワーク ,  *機械学習 ,  異常検出 ,  *セルラーネットワーク ,  品質指標 ,  教師付き機械学習
準シソーラス用語： 体感品質 , 【Automatic Indexing@JST】

分類 (1件)： 移動通信  (ND08030H)

タイトルに関連する用語 (4件)： セルラネットワーク ,  教師付き機械学習 ,  支援 ,  異常検出