Locating anomalies using Bayesian factorizations and masks

Li Yao, Amaury Lendasse, Francesco Corona

    Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

    Abstrakti

    A plethora of methods have been developed to handle anomaly detection in various application domains. This work focuses on locating anomalies inside a categorical data set without assuming any specific domain knowledge. By exploiting the conditional dependence and independence relationships among data attributes, not only can data analysts recognize the anomaly, but also locate the potentially anomalous attributes inside an anomalous instance following its masks. Masks are geometrically generated based on the factorization of the joint probability from a Bayesian network automatically learnt from the given data set.

    AlkuperäiskieliEnglanti
    OtsikkoProceedings of the 18th European Symposium on Artificial Neural Networks - Computational Intelligence and Machine Learning, ESANN 2010
    Sivut207-212
    Sivumäärä6
    TilaJulkaistu - 1 joulukuuta 2010
    OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa

    Sormenjälki Sukella tutkimusaiheisiin 'Locating anomalies using Bayesian factorizations and masks'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

    Siteeraa tätä