Fugu-MT 論文翻訳(概要): An Alternative Metric for Detecting Anomalous Ship Behavior Using a Variation of the DBSCAN Clustering Algorithm

論文の概要: An Alternative Metric for Detecting Anomalous Ship Behavior Using a Variation of the DBSCAN Clustering Algorithm

arxiv url: http://arxiv.org/abs/2006.01936v2
Date: Wed, 7 Jul 2021 22:05:22 GMT
ステータス: 処理完了
システム内更新日: 2022-11-26 01:15:38.984572
Title: An Alternative Metric for Detecting Anomalous Ship Behavior Using a Variation of the DBSCAN Clustering Algorithm
Title（参考訳）: DBSCANクラスタリングアルゴリズムの変動を利用した異常船の挙動検出のための代替指標
Authors: Carsten Botts
Abstract要約: 本稿では,船舶の自動識別システム(AIS)データから異常な挙動を特定するために,密度ベース空間クラスタリング(DBSCAN)アルゴリズムのバリエーションを適用した。本研究では, このアルゴリズムの数学的詳細を解明し, 探索し, 代替の異常計量を導入する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: There is a growing need to quickly and accurately identify anomalous behavior in ships. This paper applies a variation of the Density Based Spatial Clustering Among Noise (DBSCAN) algorithm to identify such anomalous behavior given a ship's Automatic Identification System (AIS) data. This variation of the DBSCAN algorithm has been previously introduced in the literature, and in this study, we elucidate and explore the mathematical details of this algorithm and introduce an alternative anomaly metric which is more statistically informative than the one previously suggested.
Abstract（参考訳）: 船舶の異常な挙動を迅速かつ正確に識別する必要性が高まっている。本稿では,船舶の自動識別システム(AIS)データから,その異常な挙動を特定するために,密度ベース空間クラスタリング(DBSCAN)アルゴリズムのバリエーションを適用した。このdbscanアルゴリズムの変種は、文献に以前に紹介されており、本研究では、このアルゴリズムの数学的詳細を解明し、より統計的に有意な別の異常計量を導入する。

関連論文リスト

Bagged Regularized $k$-Distances for Anomaly Detection [9.899763598214122]
BRDAD (Bagged regularized $k$-distances for Anomaly Detection) と呼ばれる距離に基づく新しいアルゴリズムを提案する。我々のBRDADアルゴリズムは、重み付けされた密度推定のための$k$-distances(BWDDE)の実証的リスクの有限標本境界を最小化して重みを選択する。理論的には,我々のアルゴリズムに対するAUCの高速収束率を確立し,バッグング手法が計算複雑性を著しく減少させることを示す。
論文参考訳（メタデータ） (2023-12-02T07:00:46Z)
Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文参考訳（メタデータ） (2023-02-13T19:57:17Z)
Learning to Bound Counterfactual Inference in Structural Causal Models from Observational and Randomised Data [64.96984404868411]
我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
論文参考訳（メタデータ） (2022-12-06T12:42:11Z)
Real-time Anomaly Detection for Multivariate Data Streams [0.0]
本稿では,PEWMA(Probabilistic Exponentially Weighted Average)に基づくデータストリームに対するリアルタイム多変量異常検出アルゴリズムを提案する。我々の定式化は、データの(突然の過渡的、急激な分布的、段階的な分布的な)シフトに対して弾力性がある。提案する異常検出アルゴリズムは,ラベル付きサンプルを不要にすることなく,教師なしで動作する。
論文参考訳（メタデータ） (2022-09-26T03:40:37Z)
Framing Algorithmic Recourse for Anomaly Detection [18.347886926848563]
我々は,タブラルデータ(CARAT)における異常に対する文脈保存型アルゴリズムレコースを提案する。 CARATはトランスフォーマーベースのエンコーダデコーダモデルを用いて、低い確率で特徴を見つけることで異常を説明する。異常なインスタンス内の特徴の全体的コンテキストを使用して、強調された特徴を変更することによって、意味的に一貫性のある反事実が生成される。
論文参考訳（メタデータ） (2022-06-29T03:30:51Z)
Unsupervised Anomaly Detectors to Detect Intrusions in the Current Threat Landscape [0.11470070927586014]
本研究では,Isolation Forests,One-Class Support Vector Machines,Self-Organizing Mapsが侵入検知用よりも有効であることを示した。不安定、分散、あるいは非可逆的行動による攻撃を、ファジング、ワーム、ボットネットなどによって検出することがより困難である点を詳述する。
論文参考訳（メタデータ） (2020-12-21T14:06:58Z)
The Impact of Discretization Method on the Detection of Six Types of Anomalies in Datasets [0.0]
異常検出は、何らかの方法で異常であり、データセットに存在する一般的なパターンに適合しないケース、またはケースのグループを特定するプロセスである。多数のアルゴリズムは、検出プロセスにおいて数値データの離散化を利用する。本研究では,最近のデータ異常のタイプで認識されている6種類の異常のそれぞれを教師なし検出する上で,離散化法が与える影響について検討した。
論文参考訳（メタデータ） (2020-08-27T18:43:55Z)
Spectral Algorithms for Community Detection in Directed Networks [46.91424250933143]
有向ネットワークに対するD-SCOREアルゴリズムを導入し、クラスタリング前に隣接行列の特異ベクトルの要素ワイド比をとることにより、この効果を低減した。統計的引用ネットワークにおいて有意な結果が得られたが、その性能に関する厳密な分析は欠如していた。本稿では,有向次数補正ブロックモデルに対して,このアルゴリズムとその変種に対する理論的保証を確立する。
論文参考訳（メタデータ） (2020-08-09T21:43:32Z)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)
UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
論文参考訳（メタデータ） (2020-04-13T04:12:59Z)
Active Model Estimation in Markov Decision Processes [108.46146218973189]
マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
論文参考訳（メタデータ） (2020-03-06T16:17:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。