دو الگوریتم، یک هدف: تغییر چهره تشخیص ناهنجاری با KIF و SIF

نویسندگان:

(1) Guillaume Staerman، INRIA، CEA، Univ. پاریس-ساکلی، فرانسه؛

(2) Marta Campi، CERIAH، Institut de l’Audition، Institut Pasteur، فرانسه.

(3) گرت دبلیو پیترز، گروه آمار و احتمالات کاربردی، دانشگاه کالیفرنیا سانتا باربارا، ایالات متحده.

چکیده و 1. مقدمه

2. پیشینه و مقدمات

2.1. جنگل ایزوله عملکردی

2.2. روش امضاء

3. روش جنگل جداسازی امضا

4. آزمایش های عددی

4.1. تجزیه و تحلیل حساسیت پارامترها

4.2. مزایای (K-)SIF نسبت به FIF

4.3. معیار تشخیص ناهنجاری داده های واقعی

5. بحث و نتیجه گیری، بیانیه های تاثیر، و مراجع

ضمیمه

الف. اطلاعات اضافی درباره امضا

ب. الگوریتم های K-SIF و SIF

ج. آزمایش‌های عددی اضافی

ب. الگوریتم های K-SIF و SIF

این بخش الگوریتم‌های دو روش پیشنهادی، جنگل جداسازی امضای هسته و جنگل جداسازی امضا را ارائه می‌دهد. مراحل هر الگوریتم در زیر توضیح داده شده و ارائه شده است و ورودی هر رویه و مراحلی که برای ساختن گره‌های درختان پارتیشن و زیرمجموعه‌های فرزند و مجموعه داده‌ها دنبال می‌شوند، معرفی می‌شوند. در نهایت خروجی هر روش آورده شده است. جزئیات این روش ها در مقاله اصلی در بخش 3 ارائه شده است. توجه داشته باشید که پارامتر ω، مربوط به …

Source link