Phát hiện bất thường trên dữ liệu chuỗi thời gian dựa vào điểm cực trị quan trọng
5 thg 10, 2023 | 23:15

Phát hiện bất thường trên dữ liệu chuỗi thời gian dựa vào điểm cực trị quan trọng



Tìm kiếm bất thường là một trong những lĩnh vực nghiên cứu quan trọng trong khai phá dữ liệu. Bất thường trong một tập dữ liệu, được định nghĩa đơn giản, như là một kết quả quan sát khác biệt so với phần còn lại của tập dữ liệu. Tìm kiếm bất thường được áp dụng trong nhiều ứng dụng như phát hiện thẻ tín dụng giả mạo, những hoạt động phi pháp trong thương mại điện tử, dự báo thời tiết...

Trong đề tài này, chúng tơi trình bày cách tiếp cận mới trong việc tìm kiếm chuỗi con bất thường trong tập chuỗi dữ liệu thời gian. Bước đầu phương pháp sẽ xác định các ứng viên dựa vào điểm cực trị quan trọng, sau đó đồng nhất chiều dài các ứng viên bằng phép biến hình vị tự, rời rạc hóa chúng và đưa vào giải thuật gom cụm phù hợp. Cuối cùng chúng tơi tính tốn độ đo hệ số bất thường cục bộ theo cụm (CBLDF) để xác định ứng viên bất thường.

Từ những kết quả đạt được và bằng thực nghiệm trên nhiều tập dữ liệu khác nhau, chúng tôi đã thu được kết quả có độ hiệu quả cao về thời gian, mức độ chính xác khả quan so với phương pháp HOT SAX.



LINK ĐẶT MUA TÀI LIỆU ONLINE


LINK ĐẶT MUA TÀI LIỆU ONLINE 1




LINK DOWNLOAD - BẢN FULL (UPDATING...)



Tìm kiếm bất thường là một trong những lĩnh vực nghiên cứu quan trọng trong khai phá dữ liệu. Bất thường trong một tập dữ liệu, được định nghĩa đơn giản, như là một kết quả quan sát khác biệt so với phần còn lại của tập dữ liệu. Tìm kiếm bất thường được áp dụng trong nhiều ứng dụng như phát hiện thẻ tín dụng giả mạo, những hoạt động phi pháp trong thương mại điện tử, dự báo thời tiết...

Trong đề tài này, chúng tơi trình bày cách tiếp cận mới trong việc tìm kiếm chuỗi con bất thường trong tập chuỗi dữ liệu thời gian. Bước đầu phương pháp sẽ xác định các ứng viên dựa vào điểm cực trị quan trọng, sau đó đồng nhất chiều dài các ứng viên bằng phép biến hình vị tự, rời rạc hóa chúng và đưa vào giải thuật gom cụm phù hợp. Cuối cùng chúng tơi tính tốn độ đo hệ số bất thường cục bộ theo cụm (CBLDF) để xác định ứng viên bất thường.

Từ những kết quả đạt được và bằng thực nghiệm trên nhiều tập dữ liệu khác nhau, chúng tôi đã thu được kết quả có độ hiệu quả cao về thời gian, mức độ chính xác khả quan so với phương pháp HOT SAX.



LINK ĐẶT MUA TÀI LIỆU ONLINE


LINK ĐẶT MUA TÀI LIỆU ONLINE 1




LINK DOWNLOAD - BẢN FULL (UPDATING...)




M_tả

M_tả

Chuyên mục:

Không có nhận xét nào: