• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>The Journal of Artificial Intelligence Research >ZERO plus plus : Harnessing the Power of Zero Appearances to Detect Anomalies in Large-Scale Data Sets
【24h】

ZERO plus plus : Harnessing the Power of Zero Appearances to Detect Anomalies in Large-Scale Data Sets

机译：零加号：利用零出现的能力检测大规模数据集中的异常

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper introduces a new unsupervised anomaly detector called ZERO++ which employs the number of zero appearances in subspaces to detect anomalies in categorical data. It is unique in that it works in regions of subspaces that are not occupied by data; whereas existing methods work in regions occupied by data. ZERO++ examines only a small number of low dimensional subspaces to successfully identify anomalies. Unlike existing frequency-based algorithms, ZERO++ does not involve subspace pattern searching. We show that ZERO++ is better than or comparable with the state-of-the-art anomaly detection methods over a wide range of real-world categorical and numeric data sets; and it is efficient with linear time complexity and constant space complexity which make it a suitable candidate for large-scale data sets.
机译：本文介绍了一种称为ZERO ++的新型无监督异常检测器，该检测器利用子空间中零出现的数量来检测分类数据中的异常。它的独特之处在于它可以在未被数据占用的子空间区域中工作。而现有方法只能在数据占据的区域中使用。 ZERO ++仅检查少量的低维子空间以成功识别异常。与现有的基于频率的算法不同，ZERO ++不涉及子空间模式搜索。我们证明，在广泛的实际分类和数值数据集上，ZERO ++优于或优于最新的异常检测方法。它具有线性时间复杂度和恒定空间复杂度的高效特性，使其非常适合用于大规模数据集。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号