IDEAS主页打印自https://ideas.repec.org/a/eee/csdana/v174y2022ics016794732200767.html
  我的参考书目  保存此文章

基于污染混合模型的多元函数数据异常检测

作者

上市的：
  • 阿莫文·阿萨格巴，军事
  • 埃尔内·甘纳兹
  • 朱利安·雅克

摘要

在工业环境中，传感器的活动被高频记录。一个挑战是自动检测异常测量行为。将传感器测量值视为函数数据，该问题可以表述为检测多元函数数据集中的异常值。由于该数据集的异质性，该污染混合模型将多元函数数据聚类为同质组，并检测离群值。与竞争对手相比，该程序的主要优点是不需要指定异常值的比例。通过期望条件最大化算法进行模型推理，并使用BIC选择簇数。仿真数据的数值实验表明，该推理算法具有较高的性能。特别是，所提出的模型优于竞争对手。将其应用于激发本研究的真实数据，可以正确检测异常行为。

建议引用

  • 阿莫文·阿萨格巴（Amovin-Assagba）、马提尔（Martial）和甘纳兹（Gannaz）、伊雷纳（Irène）和雅克（Jacques）、朱利安（Julien），2022年。"通过污染混合物模型检测多元函数数据中的异常值,"计算统计与数据分析爱思唯尔，第174（C）卷。
    • 手柄：RePEc:eee:csdana:v:174:y:2022:i:c:s016794732200767
    内政部：10.1016/j.csda.2022.107496
    作为

    从出版商下载全文

    文件URL: http://www.sciencedirect.com/science/article/pii/S0167947322000767
    下载限制：全文仅供ScienceDirect用户使用。
    文件URL: https://libkey.io/10.1016/j.csda.20212007496？utm_source=想法
    LibKey链接：如果访问受到限制，并且您的库使用此服务，LibKey会将您重定向到可以使用库订阅访问此项目的位置
    ---><---

    由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。

    IDEAS上列出的参考文献

    作为
    1. Di Zio，Marco&Guarnera，Ugo&Rocci，Roberto，2007年。"分类问题的混合模型：单位测度误差,"计算统计与数据分析爱思唯尔，第51（5）卷，第2573-2585页，2月。
    2. Mia Hubert&Peter Rousseeuw&Pieter Segaert，2015年。"多元函数异常值检测,"统计方法与应用，施普林格；意大利统计学会，第24卷（2），第177-202页，7月。
    3. Antonio Punzo和Angelo Mazza和Antonello Maruotti，2018年。"用离群值拟合保险和经济数据：基于污染伽马分布有限混合的灵活方法,"应用统计学杂志《泰勒与弗朗西斯杂志》，第45卷（14），第2563-2584页，10月。
    4. Anastasios Bellas&Charles Bouveyron&Marie Cottrell&Jéróme Lacaille，2013年。"基于模型的在线混合概率主成分分析高维数据流聚类,"数据分析与分类研究进展，施普林格；德国船级社-Gesellschaft für Klassifikation（GfKl）；日本船级社；意大利统计学会分类和数据分析小组（CLADAG）；国际船级社联合会（IFCS），第7卷（3），第281-300页，9月。
    5. 路易斯·安吉尔·加西亚-埃斯库德罗和阿方索·戈达利扎，2005年。"一种稳健曲线聚类的建议,"分类杂志，施普林格；船级社，第22卷（2），第185-201页，9月。
    6. Antonio Cuevas、Manuel Febrero和Ricardo Fraiman，2007年。"基于投影深度概念的函数数据稳健估计与分类,"计算统计学，施普林格，第22卷（3），第481-496页，9月。
    7. Jacques，Julien&Preda，Cristian，2014年。"基于模型的多元函数数据聚类,"计算统计与数据分析爱思唯尔，第71卷（C），第92-106页。
    8. 朱利安·雅克和克里斯蒂安·普雷达，2014年。"功能数据聚类：综述,"数据分析与分类研究进展，施普林格；德国船级社-Gesellschaft für Klassifikation（GfKl）；日本船级社；意大利统计学会分类和数据分析小组（CLADAG）；国际船级社联合会（IFCS），第8卷（3），第231-255页，9月。
    9. Toni Giorgino，2009年。"R:dtw包中动态时间扭曲对准的计算和可视化,"统计软件杂志《开放获取统计基金会》，第31卷（i07）。
    10. 莫里斯（Morris）、凯瑟琳（Katherine）和蓬佐（Punzo）、安东尼奥（Antonio）和麦克尼古拉斯（McNicholas）、保罗（Paul D.）和布朗（Browne）、瑞安（Ryan P.），2019年。"非对称聚类和异常值：多变量污染移位非对称拉普拉斯分布的混合,"计算统计与数据分析爱思唯尔，第132（C）卷，第145-166页。
    11. Ricardo Fraiman和Graciela Muniz，2001年。"功能数据的修剪方法,"测试：西班牙统计与运筹学会官方期刊，施普林格；《运营调查协会》，第10卷（2），第419-440页，12月。
    12. Salvatore D.Tomarchio和Antonio Punzo，2020年。"二分单峰复合模型：在保险损失分布中的应用,"应用统计学杂志《泰勒与弗朗西斯杂志》，第47卷（13-15），第2328-2353页，11月。
    13. C.Abraham&P.A.Cornillon&E.Matzner‐Löber&N.Molinari，2003年。"使用B样条的无监督曲线聚类,"斯堪的纳维亚统计杂志丹麦理论统计学会；芬兰统计学会；挪威统计协会；瑞典统计协会，第30卷（3），第581-595页，9月。
    14. Heard，Nicholas A.和Holmes，Christopher C.和Stephens，David A.，2006年。"按蚊免疫反应相关基因调控的定量研究：贝叶斯曲线层次聚类的应用,"美国统计协会杂志，美国统计协会，第101卷，第18-29页，3月。
    15. Ferraty，F.&Vieu，P.，2003年。"曲线判别：一种非参数泛函方法,"计算统计与数据分析爱思唯尔，第44卷（1-2），第161-173页，10月。
    16. 安东尼奥·蓬佐（Antonio Punzo），2019年。"逆高斯分布的新视角及其在保险和经济数据中的应用,"应用统计学杂志《泰勒与弗朗西斯杂志》，第46卷（7），第1260-1287页，5月。
    17. 查尔斯·布维伦和朱利安·雅克，2011年。"基于模型的特定群函数子空间时间序列聚类,"数据分析与分类研究进展，施普林格；德国船级社-Gesellschaft für Klassifikation（GfKl）；日本船级社；意大利统计学会分类和数据分析小组（CLADAG）；国际船级社联合会（IFCS），第5卷（4），第281-300页，12月。
    18. Mia Hubert&Peter Rousseeuw&Pieter Segaert，2015年。"对“多元函数异常值检测”的反驳,"统计方法与应用，施普林格；意大利统计学会，第24卷（2），第269-277页，7月。
    19. Dai、Wenlin和Genton，Marc G.，2019年。"多元函数数据的方向离群性,"计算统计与数据分析爱思唯尔，第131（C）卷，第50-65页。
    20. Amandine Schmutz&Julien Jacques&Charles Bouveyron&Laurence Chèze&Pauline Martin，2020年。"在特定群函数子空间中聚类多元函数数据,"计算统计学，施普林格，第35卷（3），第1101-1131页，9月。
    21. Mia Hubert&Peter Rousseeuw&Pieter Segaert，2017年。"使用深度和距离的多元和函数分类,"数据分析与分类研究进展，施普林格；德国船级社-Gesellschaft für Klassifikation（GfKl）；日本船级社；意大利统计学会分类和数据分析小组（CLADAG）；国际船级社联合会（IFCS），第11卷（3），第445-466页，9月。
    完整参考文献 （包括与IDEAS上的项目不匹配的项目）

    大多数相关项目

    这些是最常引用与本书相同作品的项目，也被与本书同样的作品引用。
    1. Golovkine，Steven&Klutchnikoff，Nicolas&Patilea，Valentin，2022年。"基于无监督二叉树的多元函数数据聚类,"计算统计与数据分析爱思唯尔，第168（C）卷。
    2. Alvarez、Agustín&Boente、Graciela&Kudraszow、Nadia，2019年。"泛函典型相关分析的稳健筛选估计,"多变量分析杂志爱思唯尔，第170（C）卷，第46-62页。
    3. Fabrizio Maturo和Rosanna Verde，2023年。"通过结合使用功能数据分析和基于树的方法对曲线进行监督分类,"计算统计学，施普林格，第38卷（1），第419-459页，3月。
    4. Dai，Wenlin&Mrkvička，Tomásh&Sun，Ying&Genton，Marc G.，2020年。"基于序列变换的函数异常检测与分类,"计算统计与数据分析，爱思唯尔，第149卷（C）。
    5. Fang，Kuangnan&Chen，Yuanxing&Ma，Shuangge&Zhang，Qingzhao，2022年。"基于惩罚融合的泛函双聚类分析,"多变量分析杂志爱思唯尔，第189（C）卷。
    6. 邱，志平&范，江源&张，金婷&陈，建伟，2024。"多元函数数据的几个协方差矩阵函数的相等性检验,"多变量分析杂志爱思唯尔，第199（C）卷。
    7. Boente，Graciela&Parada，Daniela，2023年。"函数二次回归模型的稳健估计,"计算统计与数据分析爱思唯尔，第187（C）卷。
    8. Carlo Sguera和Sara López-Pintado，2021年。"稀疏函数数据的深度概念,"测试：西班牙统计与运筹学会官方期刊，施普林格；《运营调查学会》，第30卷（3），第630-649页，9月。
    9. Kuhnt，Sonja&Rehage，André，2016年。"基于角度的多变量函数伪深度形状异常检测,"多变量分析杂志爱思唯尔，第146（C）卷，第325-340页。
    10. 格雷西拉·博恩特和马蒂亚斯·萨利比安·巴雷拉，2021年。"稀疏纵向数据的鲁棒函数主成分,"麦德龙，施普林格；萨皮恩扎罗马大学，第79卷（2），第159-188页，8月。
    11. 邱志平、陈建伟、张金廷，2021。"多元函数数据的两样本检验及其应用,"计算统计与数据分析爱思唯尔，第157（C）卷。
    12. Oluwasegun Taiwo Ojo&Antonio Fernández Anta&Rosa E.Lillo&Carlo Sguera，2022年。"大函数数据中异常值的检测与分类,"数据分析与分类研究进展，施普林格；德国船级社-Gesellschaft für Klassifikation（GfKl）；日本船级社；意大利统计学会分类和数据分析小组（CLADAG）；国际船级社联合会（IFCS），第16卷（3），第725-760页，9月。
    13. Li，Pai-Ling&Chiou，Jeng-Min，2011年。"子空间投影函数数据聚类的簇数识别,"计算统计与数据分析爱思唯尔，第55（6）卷，第2090-2103页，6月。
    14. Carlo Sguera、Pedro Galeano和Rosa Lillo，2014年。"基于空间深度的功能数据分类,"测试：西班牙统计与运筹学会官方期刊，施普林格；《运营调查协会》，第23卷（4），第725-750页，12月。
    15. Flores Díaz、Ramón Jesús和Lillo Rodríguez、Rosa Elvira和Romo，Juan，2014年。"基于深度测度的功能数据同质性检验,"DES——工作文件。统计学和计量经济学。WS公司ws140101，马德里卡洛斯三世大学，埃斯塔德省。
    16. 菲利普·怀特（Philip A.White）和阿兰·盖尔芬德（Alan E.Gelfand），2021年。"基于时变聚类的多变量函数数据建模,"测试：西班牙统计与运筹学会官方期刊，施普林格；《运营调查协会》，第30卷（3），第586-602页，9月。
    17. 莫里茨·赫尔曼和费边方案，2021年。"函数异常检测的几何透视,"统计信息，MDPI，第4卷（4），第1-41页，11月。
    18. Karl Mosler和Pavlo Mozharovskyi，2017年。"功能数据的快速DD分类,"统计论文施普林格，第58（4）卷，第1055-1089页，12月。
    19. 韩尚，2014。"函数主成分分析综述,"AStA统计分析进展，施普林格；德国统计学会，第98卷（2），第121-142页，4月。
    20. Ojo，Oluwasegun Taiwo&Fernández Anta，Antonio&Genton，Marc G.&Lillo Rodríguez，Rosa Elvira，2022年。"基于FastMUOD指数的多元函数异常值检测,"DES——工作文件。统计学和计量经济学。WS公司马德里卡洛斯三世大学，邮编35665。

    更正

    本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:eee:csdana:v:174:y:2022:i:c:s016794732200767。请参阅一般信息关于如何更正RePEc中的材料。

    如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

    如果CitEc公司识别了书目参考，但没有将RePEc中的项目链接到它，您可以帮助这个表格.

    如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

    有关本项目的技术问题，或更正作者、标题、摘要、参考书目或下载信息，请联系：Catherine Liu（电子邮件地址如下）。供应商的一般联系方式：http://www.elsevier.com/locate/csda.

    请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。

    思想是一个经济学研究论文服务。RePEc使用各出版商提供的书目数据。