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.
جدول پیوندها
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
2. پیشینه و مقدمات
2.1. جنگل ایزوله عملکردی
H فضای عملکردی هیلبرت مجهز به محصول داخلی ⟨.، .⟩H را در نظر بگیرید به طوری که هر x ∈ H یک تابع واقعی است که در آن تعریف شده است. [0, 1]. جنگل ایزوله عملکردی از طریق مجموعه ای از درختان جداسازی عملکردی (F-itrees) ایجاد می شود. هر F-itree از طریق یک سری تقسیمات تصادفی از یک نمونه فرعی (به اندازه m) از Xn ساخته می شود. سپس نمره غیرعادی برای مشاهده x به عنوان تبدیل یکنواخت کاهشی عمق متوسط x در سراسر …