文献

J-GLOBAL ID：202002255374029618   整理番号：20A2526762

教師なし異常値検出のための不均一アンサンブルへの均質プール【JST・京大機械翻訳】

Homogeneous Pools to Heterogeneous Ensembles for Unsupervised Outlier Detection

著者 (2件)： Mukhriya Akanksha (School of Computer and Systems Sciences, Jawaharlal Nehru University, New Delhi, India) ,  Kumar Rajeev (School of Computer and Systems Sciences, Jawaharlal Nehru University, New Delhi, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1170  ページ： 284-295  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ここでは,教師なし異常値検出のアンサンブルに対して,メンバー選択法を提案した。教師なしシナリオにおけるアンサンブル構築の鍵となる課題は,ラベル付き訓練集合の欠如である。したがって,最初に,割り当てられた異常値集合は,形成する必要がある。既存の方法は,入力ですべてのランダム検出器から成る目標集合と呼ばれるこの集合を構築する。著者らの議論は,そのようなターゲット形成が,そのようなフィルターのないランダム結果の成果として,それ自身誤りであるかもしれないということであった。したがって,それに対する完全な信頼は,全体の選択プロセスを導くかもしれない。ここでは,不均一なものを構築するために,均一検出器の異なる集合からメンバーを選択するアンサンブル構築アプローチHEnS(Heterogeneous Ensemble Selector)を提案した。不均一性は,まず,特性的に異なる入力での検出器を考慮することにより,また次に各タイプの検出器の最小部分集合を選択することによって,良好なターゲット異常値集合を形成するための多様性を誘導するために保証される。精度を,最初に,プロセスから比較的高度に不正確な検出器を剪定し,次に,各タイプから2つの極端なパラメータインスタンスを含むより良いターゲットを形成することによって,維持する。本研究は,主に,均一群のそれぞれから最良または比較的良好な検出器から成る不均一アンサンブルの構築を目的とする。ベンチマークデータセットに関する実験結果は,提案した方法を用いて構築したアンサンブルの予測精度を著しく改善し,これにより,より良い目標構築と強化された多様性の主張を支持した。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  検出器 ,  *異常値 ,  不均一性 ,  ベンチマーク
準シソーラス用語： 予測精度 ,  *異常値検出 , 【Automatic Indexing@JST】

著者キーワード (3件)： 異常値検出 ,  異常値アンサンブル ,  アンサンブルメンバー選択

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 教師 ,  異常値検出 ,  不均一 ,  アンサンブル