×
托马斯·奥尔特纳;彼得·菲兹莫瑟;梅亚·罗姆;萨尔卡·布罗迪诺娃;克里斯蒂安·布雷特内德

高维异常检测的局部投影。 （英语） Zbl 1484.62064号

Metron公司 79，第2期，189-206（2021）.
摘要：基于局部异常因子（LOF）的概念，提出了一种新的异常检测方法，称为局部投影[M.M.Breunig先生等，“LOF：识别基于密度的局部异常值”，ACM SIGMOD记录29，第2期，93–104（2000；doi:10.1145/335191.335388)]和ROBPCA[M.休伯特等，“ROBPCA：稳健主成分分析的新方法”，《技术计量学》47，第1期，64–79页（2005；doi:10.1198/00401700400000563)]. 通过使用这两种方法的各个方面，该算法对噪声变量具有鲁棒性，并且能够在多组情况下执行离群点检测。这个想法是使用线性投影集中于对观测值及其邻域的局部描述。观测的前景由观测到所有识别的投影空间的加权距离确定，权重取决于局部描述的适当性。与现有的异常值检测算法相比，模拟和真实数据的实验证明了该方法的有效性。

MSC公司：

62甲12 多元分析中的估计
62H30型 分类和区分；聚类分析（统计方面）

软件：

rrcovHD公司;ELKI公司;mvoutlier值
PDF格式BibTeX公司 XML格式引用
\textit{T.Ortner}等人，Metron 79，No.2，189--206（2021；Zbl 1484.62064）
全文： 内政部 arXiv公司

参考文献：

[1] Achtert，E.，Kriegel，H.-P.，Zimek，A.：Elki：用于评估子空间聚类算法的软件系统。摘自：科学和统计数据库管理，纽约施普林格，第580-585页（2008年）
[2] Aggarwal，C.C.，Yu，P.S.：高维数据的异常检测。收录于：ACM Sigmod Record，ACM，第30卷，第37-46页（2001）
[3] 阿玛尼诺，C。；李尔迪，R。；Lanteri，S。；莫迪，G.，托斯卡纳橄榄油的化学分析，化学计量学。智力。实验室系统。，5, 4, 343-354 (1989) ·doi:10.1016/0169-7439（89）80034-6
[4] Breunig，M.M.，Kriegel，H.-P.，Ng，R.T.，Sander，J.：Lof：识别基于密度的局部异常值。收录于：ACM sigmod记录，ACM，第29卷，第93-104页（2000）
[5] 坎佩罗，RJ；Moulavi，D。；Zimek，A。；Sander，J.，数据聚类、可视化和离群值检测的层次密度估计，ACM Trans。知识。发现。数据（TKDD），10，1，5（2015）
[6] 坎波斯，GO；Zimek，A。；桑德，J。；坎佩罗，RJ；Micenková，B。；舒伯特，E。；同意，I。；Houle，ME，《非监督异常值检测的评估：测量、数据集和实证研究》，Data Min.Knowl。光盘。，30, 4, 891-927 (2016) ·doi:10.1007/s10618-015-0444-8
[7] De Maesschalck，R。；Jouan-Rimbaud，D。；马萨特，DL，《马氏距离》，《化学家》。智力。实验室系统。，50, 1, 1-18 (2000) ·doi:10.1016/S0169-7439（99）00047-7
[8] Fawcett，T.，岩石分析简介，模式识别。莱特。，27, 8, 861-874 (2006) ·doi:10.1016/j.patrec.2005.10.010
[9] Filzmoser，P。；Gschwandtner，M.，mvoutlier：基于稳健方法的多元离群值检测，R包版本，2，6（2015）
[10] Filzmoser，P。；Maronna，R。；Werner，M.，《高维异常值识别》，计算机。统计数据分析。，1694-1711年3月52日（2008年）·Zbl 1452.62370号 ·doi:10.1016/j.csda.2007.05.018
[11] 亨利安，M。；手，DJ；甘地，A。；Mortlock，DJ，Casos：高维天文数据库中异常检测的子空间方法，统计分析。数据最小ASA数据科学。J.，6，1，53-72（2013）·Zbl 07260352号 ·doi:10.1002/sam.1167
[12] 胡，Y。；默里，W。；Shan，Y.，澳大利亚Rlof:R局部异常因子（LOF）的并行实现，R包版本，1,1,1（2015）
[13] 休伯特，M。；罗素，PJ；Vanden Branden，K.，Robpca：鲁棒主成分分析的新方法，Technometrics，47，1，64-79（2005）·doi:10.1198/00401700400000563
[14] 休伯特，M。；Van Driessen，K.，《快速稳健判别分析》，计算机。统计数据分析。，45, 2, 301-320 (2004) ·Zbl 1429.62247号 ·doi:10.1016/S0167-9473（02）00299-2
[15] Janssens，K.，Deraedt，I.，Freddy，A.，Veekman，J.：比利时安特卫普出土的15-17世纪考古玻璃器皿的组成。米克罗奇。《学报》。15（iSuppl），253-267（1998）
[16] Kriegel，H.-P.，Kröger，P.，Schubert，E.，Zimek，A.：高维数据的轴平行子空间中的异常检测。高级知识。发现。Data Min.第831-838页（2009年）
[17] Kriegel，H.-P.，Kroger，P.，Schubert，E.，Zimek，A.：任意定向子空间中的异常检测。摘自：数据挖掘（ICDM），2012年IEEE第12届国际会议，第379-388页。IEEE（2012）
[18] Lemberge，P。；德雷特，I。；詹森，KH；魏，F。；Van Espen，PJ，使用epxma和（mu）-xrf数据的pls回归对16-17世纪考古玻璃器皿进行定量分析，J.Chemom。，14, 5-6, 751-763 (2000) ·doi:10.1002/1099-128X（200009/12）14:5/6<751:：AID-CEM622>3.0.CO；二维
[19] 奥特纳，T。；Filzmoser，P。；罗姆，M。；Breiteneder，C。；Brodinova，S.，《分析高维数据结构的引导投影》，J.Compute。图表。统计，27，4，750-762（2018）·兹伯利07498988 ·doi:10.1080/101816600.2018.1459304
[20] Pomerantsev，AL，通过投影方法导出的多元分类的接受域，J.Chemom。，22, 11-12, 601-609 (2008) ·doi:10.1002/cem.1147
[21] Ramaswamy，S.、Rastogi，R.、Shim，K.：从大型数据集中挖掘离群值的高效算法。收录于：ACM Sigmod Record，第29卷，第427-438页。ACM（2000年）
[22] Serneels，S。；克罗克斯，C。；Filzmoser，P。；Van Espen，PJ，部分稳健m-回归，化学计量学。智力。实验室系统。，79, 1, 55-64 (2005) ·doi:10.1016/j.chemolab.2005.04.007
[23] Todorov，V.：rrcovHD：高维数据的稳健多元方法。R包版本0.2-5（2016）
[24] 托多罗夫，V。；Filzmoser，P.，鲁棒多变量分析的面向对象框架，J.Stat.Softw。，32, 3, 1-47 (2009) ·doi:10.18637/jss.v032.i03
[25] Zimek，A。；舒伯特，E。；Kriegel，H-P，《高维数值数据中非监督离群值检测的调查》，《统计分析》。数据最小ASA数据科学。J.，5，5，363-387（2012）·Zbl 07260336号 ·doi:10.1002/sam.1161
[26] Zimek，A。；Filzmoser，P.，《There and back again:统计推理和数据挖掘算法之间的离群值检测》，威利Interdiscip。版本数据最小知识。发现。，8、6、e1280（2018）·doi:10.1002/widm.1280
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。