Détection d'anomalies en temps réel sur des flux de données massifs

Zirije Hasani

120 pages, parution le 01/06/2020

Ajouter à une liste

Expédié sous 9 jours

Livraison à partir de 0,01€ dès 35€ d'achats
Pour une livraison en France métropolitaine

QUANTITÉ

Résumé

La détection en temps réel des anomalies des flux massifs de données est l'un des sujets de recherche importants de nos jours, car la plupart des données mondiales sont générées dans des processus temporels continus. Elle aborde divers problèmes dans de nombreux domaines tels que la santé, l'éducation, les finances, le gouvernement, etc. Dans ce travail, nous proposons une amélioration de cette approche mise en oeuvre dans les modèles de prévision HW et TDHW. L'algorithme génétique (GA) est appliqué pour optimiser périodiquement les paramètres de lissage HW et TDHW, en plus des deux paramètres à fenêtre glissante qui améliorent la mesure MASE de Hyndman de la déviation et la valeur du paramètre seuil qui définit l'intervalle de confiance d'absence d'anomalie. Nous proposons également une nouvelle fonction d'optimisation basée sur les ensembles de données d'entraînement d'entrée avec les intervalles d'anomalie annotés pour détecter les bonnes anomalies et réduire le nombre de fausses anomalies.

Caractéristiques techniques

	PAPIER
Éditeur(s)	Editions universitaires européennes
Auteur(s)	Zirije Hasani
Parution	01/06/2020
Nb. de pages	120
Format	15.2 x 22.9
Couverture	Broché
Poids	188g
EAN13	9786139567140