Fast and Scalable Outlier Detection with Metric Access Methods (2019)
- Authors:
- Autor USP: BISPO JUNIOR, ALTAMIR GOMES - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/D.55.2019.tde-04102019-154943
- Subjects: COMPUTAÇÃO APLICADA; MINERAÇÃO DE DADOS; ANÁLISE DE DADOS; BANCO DE DADOS; VALORES ATÍPICOS
- Keywords: Applied computational sciences; Complex data; Dados complexos; Data mining; Detecção de outliers não-supervisionada; Métodos de acesso métrico; Metric access methods; Unsupervised outlier detection
- Agências de fomento:
- Language: Inglês
- Abstract: É conhecido e notável que os modelos teóricos existentes empregados na detecção de outliers realizam assunções que podem não refletir a verdadeira natureza dos outliers em cada aplicação. Esta dissertação descreve um estudo empírico sobre detecção de outliers não-supervisionada usando 8 algoritmos do estado-da-arte e 8 conjuntos de dados que foram extraídos de uma variedade de tarefas do mundo real de relevância prática, tais como a detecção de ataques cibernéticos, patologias clínicas e anormalidades naturais. Apresentam-se considerações sobre os resultados obtidos, apontando os pontos positivos e negativos de cada técnica do ponto de vista do especialista da aplicação, o que representa uma mudança do embasamento rotineiro no ponto de vista do desenvolvedor da técnica. A maioria das técnicas estudadas apresentou requerimentos de tempo impraticáveis ou falhou em encontrar o que os especialistas consideram como outliers nos conjuntos de dados confeccionados por eles próprios. Para lidar-se com esta questão, foi desenvolvido o método MetricABOD: um novo algoritmo baseado no ABOD que torna a análise milhares de vezes mais veloz, sendo ainda em média 26% mais acurada do que o trabalho relacionado mais acurado. Esta melhoria equivale a tornar a busca por outliers uma tarefa factível em muitas aplicações do mundo real para as quais os métodos existentes apresentam resultados instáveis ou requerimentos de tempo impassíveis de realização. Finalmente, foram também estudadas duascoleções de dados adimensionais para mostrar que o novo MetricABOD funciona também para dados puramente métricos.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 25.07.2019
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
BISPO JUNIOR, Altamir Gomes. Fast and Scalable Outlier Detection with Metric Access Methods. 2019. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-04102019-154943/. Acesso em: 01 maio 2024. -
APA
Bispo Junior, A. G. (2019). Fast and Scalable Outlier Detection with Metric Access Methods (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-04102019-154943/ -
NLM
Bispo Junior AG. Fast and Scalable Outlier Detection with Metric Access Methods [Internet]. 2019 ;[citado 2024 maio 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-04102019-154943/ -
Vancouver
Bispo Junior AG. Fast and Scalable Outlier Detection with Metric Access Methods [Internet]. 2019 ;[citado 2024 maio 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-04102019-154943/ - Uma visão sobre sistemas biológicos, comportamentos dinâmicos presentes na natureza e caoticidade
- Aplicações de redes complexas e ferramentas de geometria computacional em sistemas dinâmicos
- Descoberta de padrões em geradores de números pseudorandômicos
- Busca de padrões e aleatoriedades em criptografia usando sistemas dinâmicos
- Social interaction layers in complex networks for the dynamical epidemic modeling of COVID-19 in Brazil
Informações sobre o DOI: 10.11606/D.55.2019.tde-04102019-154943 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas