دانلود ترجمه مقاله تشخیص، توضیح و تجسم آنومالی

دانلود ترجمه مقاله تشخیص، توضیح و تجسم آنومالی
قیمت خرید این محصول
۱۴,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
تعریف، مصورسازی و آشکار سازی رفتار غیر عادی
عنوان انگلیسی
Anomaly Detection, Explanation and Visualization
صفحات مقاله فارسی
14
صفحات مقاله انگلیسی
8
سال انتشار
2012
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
کد محصول
3178
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی صنایع
گرایش های مرتبط با این مقاله
داده کاوی
کلمات کلیدی
خوشه بندی، تشخیص آنومالی، تشخیص نمونه دور افتاده چند متغیره، مدل ترکیبی، EM، تجسم، توضیح
فهرست مطالب
چکیده
مقدمه ای بر تشخیص آنومالی
تشخیص آنومالی با استفاده از مدلسازی ترکیبی
مقایسه مدلسازی ترکیبی و تشخیص آنومالی بر مبنای فاصله
نامگذاری خودکار خوشه ها/ مولفه ها
نامگذاری خوشه بر حسب ستون هایی که باجمعیت تفاوت دارند
نامگذاری خوشه برحسب ستون هایی متفاوت با کلیه خوشه ها
توضیح راجع به آنومالی بودن یک مشاهده
نتایج و کار آتی
نمونه چکیده متن اصلی انگلیسی
Abstract

Anomaly detection is the process of identifying unusual behavior. It is widely used in data mining, for example, to identify fraud, customer behavioral change, and manufacturing flaws. We discuss how a probabilistic framework can elegantly support methods to automatically explain why observations are anomalous, assign a degree of anomaliness, visualize the normal and abnormal observations and automatically name the clusters. To our knowledge, interactive visualization of anomalies has not previously been addressed, nor automatic naming of clusters for verification in the anomaly detection field. We specifically discuss anomaly detection using mixture models and the EM algorithm, however our ideas can be generalized to anomaly detection in other probabilistic settings. We implement our ideas in the SGIMineSet product as a mining plug-in re-using the MineSet visualizers.

نمونه چکیده ترجمه متن فارسی
چکیده

تشخیص آنومالی به فرایند شناسایی رفتار غیر عادی اتلاق می شود. این فرایند در داده کاوی کاربرد وسیعی داشته و از آن برای شناسایی تقلب و کلاهبرداری، تغییر رفتاری مشتری و نقایص و عیوب تولید استفاده می شود. در این مقاله راجع به نحوه پشتیبانی چارچوب احتمالی از روشهای بکاررفته برای توضیح خودکار راجع به دلیل غیر عادی بودن مشاهدات، تخصیص درجه آنومالی و غیر عادی بودن، مشاهده و تجسم مشاهدات عادی و غیر عادی و نام گذاری خودکار خوشه ها بحث می کنیم. با توجه به میزان دانش موجود، تجسم و بصری سازی تعاملی آنومالی ها و همچنین نامگذاری خودکار خوشه ها به منظور تائید در فیلد تشخیص آنومالی قبلاً مورد بررسی قرار نگرفته است. ما مخصوصاً با استفاده از مدلهای ترکیبی و الگوریتم EM راجع به تشخیص آنومالی بحث میکنیم، اما ایده ها را می توان به تشخیص آنومالی در سایر محیط ها و موقعیت های احتمالی تعمیم داد. در اینجا ایده های مطرح شده را در محصول   در قالب   مجدداً با استفاده از مجسم کننده های   ، اجرا می کنیم.


بدون دیدگاه