عنوان
تشخيص ناهنجاري در گراف‌هاي پويا با استفاده از الگوريتم‌هاي تجزيه تانسور
نويسنده اصلي
مريم آموزگار
مقطع تحصيلي
دكتري
چكيده
تشخيص ناهنجاري در گراف‌هاي پويا كاربردهاي متفاوتي از جمله تجزيه و تحليل ترافيك در شبكه‌هاي حمل و نقل و تحليل بار در شبكه‌هاي هوشمند برق دارد. دسته مهمي از راهكارهاي تشخيص ناهنجاري در شبكه‌هاي پويا، بر پايه رديابي زيرفضاي برخط استوار و تجزيه تانسور بنا نهاده شده‌اند. البته روش‌هاي موجود از عدم استواري كافي در مقابل تغييرات ناگهاني زيرفضا رنج مي‌برند. به منظور حل اين مشكل، اين رساله يك ردياب زيرفضا و ناهنجاري برخط استوار مبتني بر تجزيه تانسور ارائه كرده است كه در برابر تغييرات ناگهاني زير فضا استوار است. تخمين دقيق‌تر زيرفضاي اصلي و متعاقب آن بخش خلوت، باعث تشخيص ناهنجاري با دقت بيشتري شده است. عملكرد راهكار پيشنهادي با مجموعه‌داده‌هاي با سطح مختلف تنكي ارزيابي شده است. كاهش ده درصدي خطاي پيش‌بيني و افزايش پانزده درصدي مقادير F-Measure برتري روش پيشنهادي را بر راهكارهاي موجود از دو جنبه توان يادگيري و تشخيص ناهنجاري نشان مي‌دهد.
از منظري ديگر، تغيير ناگهاني زيرفضا به معني تغيير رفتار طبيعي و معادل نوعي از رانش مفهوم است كه بايد از ناهنجاري تفكيك شود. اين تمايز منجر به كاهش هشدار نادرست و در نتيجه بهبود كارايي تشخيص ناهنجاري مي‌شود. علاوه بر اين، در راهكار اول بروزرساني پيوسته يادگيرنده و تطبيق آن با تغييرات احتمالي در همه گام‌هاي زماني انجام مي‌شود كه بسيار پرهزينه است. بر اين اساس راهكار پيشنهادي دوم يك الگوريتم رديابي زيرفضاي استوار است كه قابليت تشخيص صريح رانش مفهوم و تفكيك آن از ناهنجاري را به طور همزمان و برخط دارد و علاوه بر آن تطبيق زيرفضا تنها در زمان وقوع رانش مفهوم انجام مي‌شود. ارزيابي روش پيشنهادي با مجموعه داده‌هاي واقعي انجام شد كه افزايش پانزده درصدي مقادير سنجه F-measure و كاهش بيست درصدي سنجه كشف مثبت كاذب، كارايي بهتر واحد تشخيص ناهنجاري را تاييد مي‌كنند. همچنين كاهش ده درصدي خطاي پيش‌بيني، توان بالاتر يادگيرنده را در همگرايي و تطبيق با تغييرات نشان مي‌دهد.
شماره ركورد
204765
دانشگاه
دانشگاه علم و صنعت ايران
استاد مشاور
دكتر منصور رزقي-دكتر هادي فنايي
رشته تحصيلي
مهندسي كامپيوتر
استاد راهنما
دكتر بهروز مينايي