مروری بر مدل های دادهای متفاوت در مواجهه با شناسایی داده های پرت

شناسایی داده های پرت فرآیندی است برای یافتن اشیایی که رفتار آنها بسیار متفاوت تر از انتظار است. چنین اشیایی داده های پرت یا آنومالیها نامیده میشوند. تشخیص داده های پرت علاوه بر شناسایی کلاهبرداریها، در بسیاری از کاربردها نظیر پزشکی، امنیت، آشکارسازی خرابی های صنعتی، پردازش تصویر، نظارت شبکه های حسگر/ویدیویی و آشکارسازی مزاحمت استفاده میشود. داده های پرت از این نظر مورد توجه قرار گرفته اند که شک داریم توسط مکانیزمی مشابه آنچه که مابقی داده ها تولید شدهاند آنها نیز تولید شده باشند. از اینرو در شناسایی داده های پرت این موضوع مهم است که مشخص کنیم چرا داده های پرت تشخیص داده شده با مکانیزم های دیگری تولید شده اند. اغلب برای پاسخ به این پرسش فرضیات متعددی برای مابقی داده ها در نظر گرفته میشود و مهمترین آن مدل داده هایی است که مجموعه ما از آن پیروی میکند. در این مقاله مدلهای متفاوتی برای داده ها بیان میشود و طبیعی است که بر اساس مدل مزبور و همچنین پارامترهای آن، داده های پرت از میان دادهای نرمال تشخیص داده میشوند.

کلیدواژه ها:

خوشه بندی ، داده پرت ، داده کاوی ، دسته بندی