Outlier detection in multivariate functional data through a contaminated mixture model

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。

Mots clés公司

EM算法基于模型的聚类多元函数数据污染高斯混合异常检测

与葡萄园

统计[math.ST] Autres[统计ML]

菲奇尔校长

孤立点检测_in_multivariate_functional_data_through_a_contaminated_mixture_model_resume（2）.pdf（15.14个月）

原籍	菲奇尔斯（Fichiers）出品的par l’（les）auteur（s）

Messan Martial AMOVIN-ASSAGBA公司 : Connectez-vous浇注接触器le contributer

https://hal.science/hal-03255849

Soumis le：lundi 7 mars 2022-12:29:27

Dernière修改le:mercredi 4 september 2024-17:34:07

日期和版本

哈尔-03255849，版本1 (11-06-2021)

哈尔-03255849，版本2 (07-03-2022)

身份证明人

HAL Id： hal-03255849，版本2
内政部： 2016年10月10日/j.csda.2022.107496

Citer公司

阿莫文·阿萨格巴（Amovin-Assagba）、艾琳·甘纳兹（Irène Gannaz）、朱利安·雅克（Julien Jacques）。通过污染混合模型检测多元函数数据中的异常值。计算统计与数据分析2022174，第107496页。⟨10.1016/j.csda.20212007496⟩.⟨hal-03255849v2⟩

出口商

BibTeX公司 XML-TEI公司都柏林核心元数据集 DC条款尾注数据引用

UNIV-ST-ETIENE公司 CNRS公司国际法院尤尼夫·里昂1 尤尼夫·里昂2 INSA-LYON公司 EC-LYON公司 INSMI公司埃里克 INSA集团 UDL公司

320 磋商

49 交易费用

基于污染混合模型的多元函数数据异常检测

Résumé

Mots clés公司

与葡萄园

日期和版本

身份证明人

Citer公司

出口商

收藏

海拔高度

合作伙伴