مطالعه ی گروه های ترکیبی تشخیص ناهنجاری

چکیده

کلمات کلیدی

1.مقدمه

1.1 ضرورت تحقیق و صورت مسئله

1.2  ساختار مقاله

2 پژوهش مربوطه 

2.1 روش های تشخیص داده های پرت

3 روش شناسی ترکیبی برای شناسایی ناهنجاری

3.1 پیش زمینه

3.2  تعریف مشکل ترکیب داده پرت

3.3 روش پیشنهادی

4 نتایج آزمایشی 

4.1 تنظیم آزمایش

4.2 آزمایش ها و نتایج

4.3  بررسی

5 نتایج و پژوهش های آینده

5.1 پژوهش های بعدی

داده پرت یا ناهنجار چیزی است که با نمایش تفاوتها نشان می دهد تا به حال متعلق به گروه یا کلاس مشخصی نیست. تشخیص زود هنگام ناهنجاریها معمولا ازاهمیت بسزایی برخوردار است چرا که ممکن است با مواردی از قبیل کلاه برداری، پیام های الکترونیکی ناخواسته و ناآشنا یا خرابی دستگاه در ارتباط باشند. با مکانیزه کردن رتبه بندی یا فهرست انحراف ها می توانیم در زمان صرفه جویی کنیم واضافه بار شناختی افراد و گروه های مسئول پاسخگویی به این رویداد ها را کاهش دهیم. در طول چندین سال معیارهای داده پرت و ناهنجار به وجود آمده اند. در این مقاله روش ترکیبی امتیازمبتنی بر خوشه بندی را برای تشخیص داده پرت ارائه می دهیم. با استفاده ازمعیار سنج مجموعه داده ها به ارزیابی کمیتی استواری و درستی استراتژی های مختلف ترکیبی می پردازیم. طبق یافته های ما، استراتژی های ترکیبی فقط مقدار محدودی را برای افزایش عملکرد عرضه می کنند اما با خنثی کردن تاثیر مدل های به شدت ضعیف موجب قدرت واستواری می شوند.

انسانها استعداد شگفت انگیزی درانس گرفتن با محیط یا موقعیت معینی دارند و هرچیز جدید یا ناشناخته ای که به آنها معرفی می شود، بلافاصله می توانند شناسایی کنند. هدف حوزه ی در حال توسعه ی [9] شناسایی ناهنجار ی، شبیه سازی این استعداد برای کشف وتشخیص این موارد ناشناخته است تا بدین ترتیب به شناسایی وقایع مربوطه یا اشیاء مورد نظر کمک کند. رویدادهای واقعی یا فرضیه ای و اشیاء مورد نظر در بسیاری از برنامه های کاربردی واقعی وجود دارند که می توانند از نظر مفهومی به ایده ی نابهنجاری مربوط شوند. به عنوان نمونه، اگر دستگاهی خراب شود این انتظار را داریم که کد منعکس شده را به عنوان ناهنجاری در داده های ثبت شده ی خود پیدا کنیم. شاید در بانک اطاعات مشتری در مورد کلاهبرداران، سارقان هویت و دیگر عاملان مخرب نگران شویم و امیدواریم با رفتار های انحرافی سرنخ های شناسایی آنها را به دست آوریم. به هرحال، در این موقعیتها کوچکترین تفاوتها این چند نمونه را نسبت به نمونه ی اصلی گم شده درپایگاه داده ها متمایز می کند که تاحدی انتخاب آن به صورت دستی کار طاقت فرسایی می باشد. از این جهت اشتیاق برای ابزاری وجود دارد که بتواند به طور اتوماتیک نمونه های ناشناخته ویا بسیار انحرافی را در پایگاه داده شناسایی کند که این نمونه های ناشناخته را داده های پرت یا ناهنجار می نامیم. اصطلاحات بکار رفته در این مقاله قابل تعویض هستند. از آنجا که به عنوان یک استراتژی جایگزین، معیار ناهنجاری عینی و مطلق وجود ندارد، برای داشتن امتیازات موثق تر پیشنهاد شده است که امتیاز داده های پرت حاصل از روشهای متفاوت با هم ترکیب شوند[2]. تمرکز بر روی این موضوع ما را به سمت تعریف مشکل ترکیب داده پرت می برد( بخش 3). مجموعه ای از امتیاز ها در مساله ی ترکیب داده های پرت به ما داده می شود که حاکی از غیر عادی بودن چگونگی برآورد داده ها با روشهای مختلف می-باشد. هدف این است که یک روش اصولی برای ترکیب امتیاز ها پیدا کنیم تا بتوان از نتیجه ی نهایی به عنوان جایگزین مطمئن برای انتخاب روش تشخیص ناهنجاری قراردادی استفاده کنیم.