کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5778263 1633612 2017 25 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A study on anomaly detection ensembles
ترجمه فارسی عنوان
مطالعهی گروههای تشخیص ناهنجاری
کلمات کلیدی
گروهی فراگیری ماشین، طبقه بندی الگوریتم خروجی
ترجمه چکیده
در طول سال ها، بسیاری از معیارهای ناهنجاری و بی روح توسعه یافته اند. در این مقاله، ما یک روش جمع آوری نمره بر اساس خوشه بندی برای تشخیص خروج پیشنهاد می کنیم. با استفاده از مجموعه داده های معیار، کمی و کیفی ارزیابی استحکام و صحت استراتژی های مختلف گروه را ارزیابی می کنیم. ما دریافتیم که استراتژی های گروه بندی فقط مقدار محدودی را برای افزایش عملکرد کلی ارائه می دهند، اما با تأثیر ناکارآیی مدل های به شدت ناکارآمد، توانایی را فراهم می کنند.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات منطق ریاضی
چکیده انگلیسی
Over the years many anomaly and outlier metrics have been developed. In this paper we propose a clustering-based score ensembling method for outlier detection. Using benchmark datasets we evaluate quantitatively the robustness and accuracy of different ensemble strategies. We find that ensembling strategies offer only limited value for increasing overall performance, but provide robustness by negating the influence of severely underperforming models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Applied Logic - Volume 21, May 2017, Pages 1-13
نویسندگان
, , , , ,