文献

J-GLOBAL ID：202202290096397643   整理番号：22A0478969

IPMOD:高次元医療データストリームのための効率的な異常値検出モデル【JST・京大機械翻訳】

IPMOD: An efficient outlier detection model for high-dimensional medical data streams

著者 (4件)： Yang Yun (University of Shanghai for Science and Technology, ShangHai, China) ,  Fan ChongJun (University of Shanghai for Science and Technology, ShangHai, China) ,  Chen Liang (East China Normal University, China) ,  Xiong HongLin (University of Shanghai for Science and Technology, ShangHai, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 191  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  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： リアルタイムにおける高次元医療データストリームにおける異常値検出は,重大で挑戦的な研究であり,それは病気予防とソース分析にとって大いに役立つ。学界は時系列データストリームの異常値検出に関する多くの研究をしているが,これらの方法は次の2つの欠点がある。1)高次元データストリームにおける不十分な検出精度;(2)動的データストリームシナリオにおける不十分な精度が低い。この目的のために,効率的な剪定と情報エントロピーに基づくスライディングウィンドウモデル,すなわちIPMOD(情報エントロピー実行多次元異常値検出)を提案した。IPMODにおいて,著者らは最初に情報エントロピーと結合した新しい指数重量測定法を設計して,多次元データにおける種々の指数の重さを定量化して,予測結果に及ぼす種々の属性の影響を決定した。次に,新しいスライディングウィンドウとサブシーケンス測定機構を設計して,データがターゲットシーケンスと非自己マッチ間の距離に基づいて異常であるかどうかを判断した。その後,著者らは,アルゴリズムの計算複雑性をさらに減らすための枝刈り戦略を設計した。最終的包括的実験は,著者らの提案した方式が実際のデータセットの多重集合に関して多くの現在の方式より高い検出精度を有するだけではなく,また,リアルタイムで種々の医療データストリームにおける異常値を迅速に検出することができることを示した。Copyright 2022 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： アルゴリズム ,  計算量 ,  重量測定 ,  *異常値 ,  *高次元
準シソーラス用語： *データストリーム ,  多重集合 ,  スライディングウィンドウ ,  検出精度 ,  情報エントロピー ,  *異常値検出 , 【Automatic Indexing@JST】

著者キーワード (4件)： 異常値検出 ,  データストリーム ,  医療 ,  距離ベース

分類 (3件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： 高次元 ,  医療 ,  データストリーム ,  異常値検出 ,  モデル