×
多卡斯Ofori-Boateng;尤利娅·R·盖尔。;克里本，象牙

图的时间序列的非参数异常检测。 （英语） Zbl 07499915号

J.计算。图表。斯达。 30，编号3，756-767（2021）.
摘要：从神经科学到电信再到金融，识别动态网络结构中的变化点和/或异常在各个领域越来越受欢迎。从神经科学的角度来看，异常检测的一个特殊目的是重建大脑区域相互作用的动态方式。然而，大多数用于检测异常的统计方法对于大脑研究和其他研究都有以下不切实际的限制：即，假设不同时间点的网络快照是独立的。为了规避这一限制，我们提出了一种动态网络中的无分布异常检测框架。首先，我们将数据的每个网络快照表示为线性对象，并通过局部和全局网络拓扑摘要找到其各自的单变量特征。其次，我们对（弱）相依时间序列采用了一种基于有效分数的变点检测方法，并通过使用筛选引导近似检验统计量的渐近分布，增强了变点方法的有限样本性质。我们将我们的方法应用于模拟和真实数据，特别是两个功能磁共振成像（fMRI）数据集和Enron通信图。我们发现，与竞争方法报告的结果相比，我们的新方法在识别真实变化点的位置方面提供了令人印象深刻的准确和现实的结果。新方法有望为深入了解大脑的大规模特征和功能动力学，以及更广泛地说，复杂动态网络的内在结构提供更深入的见解。本文的补充材料可在网上获得。

引用于2文件

MSC公司：

62至XX 统计

关键词：

变更点;动态网络;多元时间序列;筛选引导程序

软件：

StFinMetrics公司;大脑连接工具箱;系数cpt;美国astsa;图形范围
PDF格式BibTeX公司 XML格式引用
\textit{D.Ofori-Boateng}等人，J.Compute。图表。Stat.30，No.3，756--767（2021；Zbl 07499915）
全文： DOI程序 DOI程序
OA许可证

参考文献：

[1] 北卡罗来纳州阿拜。；阿克拉，C.G。；凝胶，Y.R。；坎塔基奥卢，M。；美国伊斯兰堡。；田，Y。；Thurasingham，B.，Chainnet：学习具有拓扑特征的区块链图，2019年IEEE国际数据挖掘会议（ICDM）（2019年），IEEE·doi:10.1109/ICDM.2019.00105
[2] 阿克拉，C.G。；李毅。；凝胶，Y.R。；Kantarcioglu，M.，《比特币抢劫：比特币区块链上勒索软件检测的拓扑数据分析》，国际人工智能联合会议（IJCAI）（2020年）
[3] Akoglu，L。；Faloutsos，C.，《移动通信图时间序列中的事件检测》，陆军科学会议（2010年）
[4] Aue，A。；赫尔曼，S。；Horváth，L。；Reimherr，M.，“多元时间序列模型协方差结构中的中断检测”，《统计年鉴》，第37期，第4046-4087页（2009年）·Zbl 1191.62143号 ·doi:10.1214/09-AOS707
[5] Barabási，A.-L。；Albert，R.，“随机网络中尺度的出现，科学，286509-512（1999）·Zbl 1226.05223号 ·doi:10.1126/science.286.5439.509
[6] Barabási，A.-L。；Pósfai，M.，《网络科学》（2016），剑桥大学出版社·Zbl 1353.94001号
[7] 巴里戈齐，M。；Cho，H。；Fryzlewicz，P.，“高维时间序列的同时多变化点和因子分析”，《计量经济学杂志》，206187-225（2018）·Zbl 1398.62221号 ·doi:10.1016/j.jeconom.2018.05.003
[8] 巴内特，I。；Onnela，J.-P.，“相关网络中的变化点检测，科学报告，618893（2016）·doi:10.1038/srep18893
[9] 巴塞特，D.S。；Bullmore，E.，“小世界大脑网络”，《神经科学家》，12，512-523（2006）·doi:10.1177/1073858406293182
[10] 比克尔，P.J。；Gel，Y.R.，“自协方差矩阵的带状正则化在时间序列参数估计和预测中的应用”，《皇家统计学会杂志》，B辑，73，711-728（2011）·Zbl 1228.62106号 ·doi:10.1111/j.1467-9868.2011.00779.x
[11] Bühlmann，P.，“时间序列的筛选引导”，伯努利，3123-148（1997）·Zbl 0874.62102号 ·doi:10.2307/3318584
[12] Carlsson，G.，拓扑与数据，美国数学学会公报，46（2009）·Zbl 1172.62002号 ·doi:10.1090/S0273-0979-09-01249-X
[13] Carlsson，G.，持久同伦和应用同伦理论，同伦理论手册（2019年）
[14] 陈，F。；Wan，H。；蔡，H。；Cheng，G.，《区块链中的机器学习：未来和挑战》，arXiv预印本（2020）
[15] Cribben，I.，“重尾多元时间序列中的变化点：使用精度矩阵的方法，商业和工业中应用的随机模型，35，299-320（2019）·Zbl 1436.62490号 ·doi:10.1002/asmb.2373
[16] 克里本。；哈拉尔斯多蒂尔，R。；阿特拉斯，L.Y。；Wager，T.D。；Lindquist，M.A.，“动态连接性回归：确定大脑连接性的状态相关变化，神经影像，61907-920（2012）·doi:10.1016/j.neuroimage.2012.03.070
[17] 克里本。；Wager，T。；Lindquist，M.，“检测单受试者fMRI数据的功能连接变化点，计算神经科学前沿，7，143（2013）·doi:10.3389/fncom.2013.00143
[18] 克里本。；Yu，Y.，“利用光谱聚类估计全脑动力学”，《皇家统计学会杂志》，C辑，66，607-627（2017）·doi:10.1111/rssc.12169
[19] Dette，H。；Wied，D.，“检测时间序列模型中的相关变化”，《皇家统计学会杂志》，B辑，78，371-394（2016）·Zbl 1414.62360号 ·doi:10.1111/rssb.12121
[20] Dey，A.K。；凝胶，Y.R。；Poor，H.V.，“什么样的网络模式告诉我们复杂网络的健壮性和可靠性，国家科学院学报（2019年）·doi:10.1073/pnas.1819529116
[21] Diesner，J。；Frantz，T.L。；Carley，K.M.，“安然电子邮件语料库中的通信网络”，《安然无异》，《计算与数学组织理论》，第11期，第201-228页（2005年）·Zbl 1108.91346号
[22] Elliott，M。；Golub，B。；Jackson，M.O.，“金融网络与传染”，《美国经济评论》，104，3115-53（2014）·doi:10.1257/aer.104.10.3115
[23] Fraggeskou，M。；Paparoditis，E.，“扩大自回归（筛）自举模型的有效范围，时间序列分析杂志，39，356-379（2018）·Zbl 1392.62263号 ·doi:10.1111/jtsa.12275
[24] 凝胶，Y.R。；Barabanov，A.，“无限自回归模型正则最小二乘估计的强一致性，统计规划与推断杂志，1371260-1277（2007）·Zbl 1107.62089号 ·doi:10.1016/j.jspi.2006.02.003
[25] Gombay，E.，“自回归时间序列中的变化检测，多元分析杂志，99，451-464（2008）·Zbl 1148.62069号 ·doi:10.1016/j.jmva.2007.01.003
[26] Hamilton，J.D.，《经济理论》。II、 “时间序列分析”，625-630（1995），新泽西州普林斯顿：普林斯顿大学出版社，新泽西州普林斯顿
[27] C.R.哈肖。；桥梁，R.A。；医学博士伊安娜科内。；里德·J·W。；Goodall，J.R.，Graphprints:Towards a Graph Analytic Method for Network Anomaly Detection，《第十一届网络与信息安全研究会议论文集》（2016），ACM
[28] Host-Madsen，A.和Zhang，J.（2018），“图的编码及其在图异常检测中的应用”，arXiv预印本arXiv:1804.02469。
[29] Inoue，A.，“时间序列分布变化的测试，计量经济学理论，17，156-187（2001）·Zbl 0976.62088号 ·doi:10.1017/S0266466601171057
[30] 基奥，E。；楚，S。；哈特，D。；Pazzani，M.，“分割时间序列的在线算法，数据挖掘，2001年。ICDM 2001，IEEE国际会议论文集（2001），IEEE
[31] Keshavarz，K。；Michailidis，G。；Atchade，Y.，“高维高斯图形模型中的顺序变化点检测，机器学习研究杂志，21，1-57（2020）·Zbl 1499.62194号
[32] 库特拉，D。；Vogelstein，J.T。；Faloutsos，C.，Deltacon:一个原则性的海量相似函数，2013年SIAM国际数据挖掘会议记录（2013），SIAM·doi:10.1137/1.9781611972832.18
[33] Kriss，J.-P.，一类随机过程的渐近统计推断（1988）
[34] Kriss，J.-P。；Jöckel，K.-H。；Rothe，G。；Sendler，W.，R\（（####）\）-过程，自举和相关技术，376，A的自举程序，107-113（1992），柏林，海德堡
[35] Kriss，J.-P。；教皇炎。；Politis，D.N.，“关于自回归筛选引导的有效范围，统计年鉴，39，2103-2130（2011）·Zbl 1227.62067号 ·doi:10.1214/11-AOS900
[36] 梅瑟，M。；阿尔伯特，S。；Schneider，G.，“时间序列中变化点检测的多重滤波测试，Metrika，81，589-607（2018）·Zbl 1415.62065号 ·doi:10.1007/s00184-018-0672-1
[37] 米洛·R。；Shen-Orr，S。；伊兹科维茨，S。；北卡罗来纳州卡什坦。；Chklovskii，D。；Alon，U.，“网络模式：复杂网络的简单构建块”，《科学》，298824-827（2002）·doi:10.1126/science.298.5594.824
[38] Newman，M.E.，“复杂网络的结构和功能，SIAM评论，45，167-256（2003）·Zbl 1029.68010号 ·doi:10.137/S003614450342480
[39] Ozkaya，Y.，Sariyuce，A.E.，Catalysturek，U.V.，and Pinar，A.（2017），“有效中间基数：算法和应用”，arXiv预印本arXiv:1711.10634。
[40] Park，Y。；普里贝，C.E。；Youssef，A.，“使用图不变量融合的图时间序列中的异常检测，IEEE信号处理选定主题期刊，7，67-75（2012）·doi:10.1109/JSTSP.2012.2233712
[41] Patania，A。；Vaccarino，F。；Petri，G.，“数据的拓扑分析，EPJ数据科学，6（2017）·doi:10.1140/epjds/s13688-017-0104-x
[42] 果皮，L。；Clauset，A.，“检测进化网络大尺度结构中的变化点”，AAAI，15（2015）
[43] Picard，D.，“测试和估计时间序列中的变化点，应用概率的进展，17，841-867（1985）·Zbl 0585.62151号 ·doi:10.2307/1427090
[44] Politis，D.N。；Datta，S.，《无模型预测与回归》，《回归中的无模型预测》，57-80（2015），瑞士查姆：瑞士查姆施普林格·Zbl 1397.62008号
[45] Pourahmadi，M.，《时间序列分析和预测理论基础》，379（2001），纽约：威利，纽约·Zbl 0982.62074号
[46] 普里贝，C.E。；康罗伊，J.M。；Marchette，D.J。；Park，Y.，“安然图上的扫描统计，计算与数学组织理论，11，229-247（2005）·Zbl 1086.68562号
[47] 鲁比诺夫，M。；斯波恩斯，O.，“大脑连接的复杂网络测量：使用和解释，神经影像，52，1059-1069（2010）·doi:10.1016/j.欧洲图像.2009.10.003
[48] 萨卡，S。；郭，R。；Shakarian，P.，“使用网络模型表征导致扩散抑制的时间网络演化，社会网络分析和挖掘，9，14（2019）·doi:10.1007/s13278-019-0556-z
[49] Shumway，R.H。；Stoffer，D.S.，《时间序列分析及其应用：以R为例》（2017年），瑞士查姆：瑞士查姆施普林格·Zbl 1367.62004号
[50] Sun，J。；Faloutsos，C。；Papadimitriou，S。；Yu，P.S.，Graphscope:大型时间演化图的无参数挖掘，第13届ACM SIGKDD知识发现和数据挖掘国际会议论文集，687-496（2007），美国计算机学会
[51] Vandermarliere，B。；卡拉斯。；Ryckebusch，J。；Schoors，K.，“超越幂律：揭示银行间网络中的风格化事实”，《物理学A：统计力学及其应用》，428443-457（2015）·doi:10.1016/j.physa.2015.01.058
[52] Wager，T.D。；Waugh，C.E。；Lindquist，M。；诺尔，哥伦比亚特区。；弗雷德里克森，B.L。；Taylor，S.F.，“心血管对社会威胁的反应的脑介质：第一部分：内侧前额叶皮层背侧和腹侧亚区的相互作用和心率反应，神经影像学，47，821-835（2009）·doi:10.1016/j.neuroimage.2009.05.043
[53] 假发，G.S。；Schlagar，B.L。；Petersen，S.E.，“大脑网络分析中的概念和原则”，《纽约科学院年鉴》，1224126-146（2011）·doi:10.1111/j.1749-6632.2010.05947.x
[54] 沃尔夫，S。；Gastwirth，J。；Rubin，H.，“自回归依赖性对非参数测试的影响（对应），IEEE信息理论汇刊，13，311-313（1967）·Zbl 0149.14604号 ·doi:10.1109/TIT.1967.1053997
[55] Zellner，A.，“一种有效的估计看似无关回归和检验聚集偏差的方法”，《美国统计协会杂志》，57，348-368（1962）·兹比尔0113.34902 ·网址：10.1080/01621459.1962.10480664
[56] Zivot，E。；Wang，J.，用S-Plus建模金融时间序列[文本注册]，191（2007），Springer Science&Business Media
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。