고차원 데이터에서 One-class SVM과 Spectral Clustering을 이용한 이진 예측 이상치 탐지 방법

박정희

추천

검색

질문

자료유형: 학술저널

저자정보: 박정희 (충남대학교)

저널정보: 한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제25권 제6호

발행연도: 2022.6

수록면: 886 - 893 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Outlier detection refers to the task of detecting data that deviate significantly from the normal data distribution. Most outlier detection methods compute an outlier score which indicates the degree to which a data sample deviates from normal. However, setting a threshold for an outlier score to determine if a data sample is outlier or normal is not trivial. In this paper, we propose a binary prediction method for outlier detection based on spectral clustering and one-class SVM ensemble. Given training data consisting of normal data samples, a clustering method is performed to find clusters in the training data, and the ensemble of one-class SVM models trained on each cluster finds the boundaries of the normal data. We show how to obtain a threshold for transforming outlier scores computed from the ensemble of one-class SVM models into binary predictive values. Experimental results with high dimensional text data show that the proposed method can be effectively applied to high dimensional data, especially when the normal training data consists of different shapes and densities of clusters.

#Binary Prediction of Outliers #High Dimensional Data #One-class SVM #Outlier Detection #Spectral Clustering

참고문헌 (18)

참고문헌 신청

C. Aggarwal, Outlier Analysis, Springer, Switzerland, 2017.

C. Park, “A Distance-based Outlier Detection Method Using Landmarks in High Dimensional Data,” Journal of Korea Multimedia Society, Vol. 24, pp. 1242-1250, 2021.

C. Park, “Outlier and Anomaly Pattern Detection on Data Streams,” The Journal of Supercomputing, Vol. 75, pp. 6118-6128, 2019.

C. Park, T. Kim, J. Kim, S. Choi, and G. Lee, “Outlier Detection by Clustering-based Ensemble Model Construction,” KIPS Transactions on Software and Data Engineering, Vol. 7, pp. 435-442, 2018.

N. Singh, N. Garg, and J. Pant, “A Comprehensive Study of Challenges and Approaches for Clustering High Dimensional Data,” International Journal of Computer Applications, Vol. 92, 2014.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Cheong Hee Park

소속기관 충남대학교

주요연구분야 공학 > 컴퓨터학 TOP 10% 공학 > 산업공학

논문수 54 이용수 3,805

이 논문과 함께 이용한 논문

서포트 벡터 결정경계 도출을 이용한 제조설비 이상탐지시스템

김재성 , 오민지 , 노경우 한국정밀공학회 학술발표대회 논문집 2021 .05

Multi-Column AutoEncoder를 사용한 One-Class 분류 진동 이상 탐지 기법

김상민 , 손정모 한국컴퓨터정보학회논문지 2023 .02

데이터 불균형 상황에서 딥러닝 기반 원심펌프 캐비테이션 진단

유동휘 , 오현석 대한기계학회 춘추학술대회 2022 .11

PCA-One Class SVM 기반의 하이브리드 자동차 엔진 클러치 접합/해지 이상치 탐지

조영진 , 지용혁 , 남기혜 외 2명 대한전기학회 워크샵 2021 .04

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-004-001518905

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (18)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)