文献

J-GLOBAL ID：202102238006223807   整理番号：21A0273843

時系列最適解のための信頼性のあるアルゴリズムのCRATOS認識【JST・京大機械翻訳】

CRATOS Cognition of Reliable Algorithm for Time-series Optimal Solution

著者 (5件)： Wu Ziling (School of Electronics and Information Technology, Sun Yat-sen University, Xiaoguwei Island, Guangzhou, P. R. China) ,  Liu Ping (Huawei Technologies Co. Bantian, Shenzhen, P. R. China) ,  Hu Zheng (Huawei Technologies Co. Bantian, Shenzhen, P. R. China) ,  Li Bocheng (School of Electronics and Information Technology, Sun Yat-sen University Xiaoguwei Island, Guangzhou, P. R. China) ,  Wang Jun (School of Microelectronics Science and Technology, Sun Yat-sen University, Zhuhai, P. R. China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ESSE 2020  ページ： 194-203  発行年： 2020年 
JST資料番号： D0698C  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： 時系列の異常検出は信頼性システム工学において重要な役割を果たす。しかしながら,実際の応用では,異なるアプリケーションシナリオにおける正常と異常挙動の間に正確に定義された境界はない。したがって,異なる異常検出アルゴリズムとプロセスは,異なる状況における時系列のために採用されるべきである。そのような戦略は異常検出の精度を改善するが,様々なアルゴリズムを数百万の系列に構成するのに多くの時間を要し,それは異常検出プロセスの開発および維持コストを大いに増加させる。本論文では,時系列から特徴を抽出する自己適応アルゴリズムであるCRATOSを提案し,次に1グループに類似の特徴を持つクラスタ系列を提案する。各グループに対して,進化アルゴリズムを利用して,最良の異常検出方法とプロセスを探索した。著者らの方法は,異常検出の開発と保全のコストを著しく減らすことができる。実験によって,著者らのクラスタリング方法は最先端の結果を達成した。本論文の異常検出アルゴリズムの精度は85.1%であった。Please refer to this article’s citation page on the publisher website for specific rights information. 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 ,  *信頼性 ,  クラスタ化 ,  クラスタ ,  応用プログラム ,  保全費
準シソーラス用語： 進化的アルゴリズム ,  *最適解 ,  適応アルゴリズム ,  異常検出 ,  検出アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (3件)： 異常検出 ,  進化アルゴリズム ,  K-means

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 時系列 ,  最適解 ,  アルゴリズム