文献

J-GLOBAL ID：202002273685344713   整理番号：20A0789492

クラス不均衡問題のためのロバスト測地ベース異常値検出【JST・京大機械翻訳】

Robust geodesic based outlier detection for class imbalance problem

著者 (5件)： Shi Canghong (School of Information Science and Technology, Southwest Jiaotong University, Chengdu 611756, China) ,  Li Xiaojie (College of Computer Science, Chengdu University of Information Technology, Chengdu 610103, China) ,  Lv Jiancheng (College of Computer Science, Sichuan University, Chengdu 610065, China) ,  Yin Jing (Chongqing University of Technology, Chongqing, China) ,  Mumtaz Imran (University of Agriculture, Faisalabad 38000, Pakistan)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 131  ページ： 428-434  発行年： 2020年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 異常値検出は,不正検出やネットワーク侵入検出のような多くの応用において非常に有用である。しかし,いくつかの既存の方法は,データ点の不均衡な分布のために,しばしば誤った同定結果を生み出す。本論文において,著者らは,ロバスト測地線ベースの異常値検出アルゴリズムを提示して,それは同時にグローバルな非連結性スコアと局所的実度の両方を,異常性の対策として考慮した。最初に,データの適切なグローバル特性を組み込むためにグローバルな非接続性スコアを構築して,次に,著者らはポイントの局所的特性を効果的に考慮するために局所的現実の程度を提供した。したがって,より高い全体的接続性を持つ局所異常値を同定できるが,より少ない点を持つより小さいクラスタにおいて同定できる。多数の合成および実世界データ集合に対して得られた実験結果は,本方法の有効性およびロバスト性を実証した。特に,著者らは,約15%の10のデータセットにおける曲線下の平均面積(AUC)の増加を,競合する方法のいずれよりも小さいRMSDで推定した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *測地 ,  有効性 ,  連結性 ,  *異常値 ,  ネットワーク ,  *ロバスト性 ,  測地線 ,  クラスタ
準シソーラス用語： 検出アルゴリズム ,  不均衡 ,  侵入検知 ,  *異常値検出 , 【Automatic Indexing@JST】

著者キーワード (3件)： 異常値検出 ,  構造安定性 ,  局所構造

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： クラス不均衡 ,  問題 ,  ロバスト ,  測地 ,  異常値検出