Unsupervised anomaly detection algorithms
Denetimsiz anomali tespit algoritmaları
- Tez No: 539012
- Danışmanlar: DR. ÖĞR. ÜYESİ ENGİN YILDIZTEPE
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Verilerdeki aykırı değerlerin veya diğer bir deyişle anomalilerin tespit edilmesi veri analizinde büyük önem taşımaktadır. Anomali tespitinde probleme göre farklı yaklaşımlar kullanılabilir. Denetimsiz anomali tespiti (DAT), bu yaklaşımlar içerisinde en zorlu olanıdır. DAT yöntemleri etiketli bir eğitim kümesi kullanmadan anomalileri belirlemeyi hedefler. DAT algoritmaları, en yakın komşuluk tabanlı, kümeleme tabanlı ve istatistiksel tabanlı olmak üzere üç ana başlık altında incelenebilir. Bu tezde, DAT yaklaşımı incelenmiş ve istatistiksel tabanlı HBOS algoritması için örneklem genişliğine duyarlı bir düzeltme önerisinde bulunulmuştur. Uygulamanın ilk bölümünde yaygın olarak kullanılan, k en yakın komşu (k-NN), yerel aykırı değer (LOF), yerel yoğunluk kümeleme aykırı değer (LDCOF), ve histogram tabanlı aykırı değer skoru (HBOS) algoritmalarının performansları karşılaştırılmıştır. Elde edilen sonuçlara göre, HBOS algoritması doğruluk oranı ve çalışma süresi açısından daha başarılı bulunmuştur. Uygulamanın ikinci bölümünde farklı kutu genişliği belirleme tekniklerinin HBOS algoritmasının performansına etkileri araştırılmıştır. Farklı özelliklerde seçilen çok değişkenli veriler ile yapılan karşılaştırma sonuçlarına göre doğruluk oranı açısından kutu genişliği belirleme teknikleri arasında üstünlük saptanamamıştır.
Özet (Çeviri)
Detection of outliers or anomalies in the data is of great importance in data analysis. Different approaches can be used in anomaly detection according to type of the problem. Unsupervised anomaly detection (UAD) approach is the most challengeable part of these approaches. UAD methods aim to detect anomalies without using a labelled training dataset. UAD algorithms can be considered in three main groups: nearest neighbour based, clustering based and statistical based. In this thesis, UAD approaches is examined and an adjustment, that depends on sample size, is proposed for statistical based algorithm, HBOS. In the first part of the application, performance of the most widely used UAD algorithms, that are k-nearest neighbour (k-NN), local outlier factor (LOF), local density cluster-based outlier factor (LDCOF) and histogram-based outlier score (HBOS), are compared. According to the results, HBOS algorithm is found more successful in terms of accuracy rate and runtime. In the second part of the application, effect of the bin-width determination techniques on to the performance of HBOS algorithm is examined. According to the results of the comparison with multivariate data of different characteristics, there is no superiority between the bin-width determination techniques in terms of accuracy.
Benzer Tezler
- BGP anomaly detection using association rule mining algorithms
İlişkilendirme kuralı madenciliği algoritmasını kullanarak BGP anomali tespiti
MUBAARAK ABDULLAH AL-TAMIMI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZAFER ALBAYRAK
- Comperative evaluation of unsupervised fraud detection algorithms with feature extraction and scaling in purchasing domain
Satın alma alanında özellik çıkarma ve ölçekleme ile denetimsiz sahtekarlık tespit algoritmalarının karşılaştırmalı değerlendirmesi
YİĞİT CAN TAŞOĞLU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiVeri Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Makine öğrenmesi algoritmaları ve anomali tespiti
Machine learning algorithms and anomaly detection
MEHMET DENİZ TOPUZ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiMatematik Bölümü
DOÇ. DR. ATABEY KAYGUN
- Makine öğreniminin günümüzdeki rolü: Modern yönelimleri ve gelecek perspektifleri
Determining the current role, modern aspects and future orientations of machine learning algorithms
MIR JAFAR GASIMLI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Beykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TALAT FİRLAR
- Online anomaly detection with kernel density estimators
Çekirdek yoğunluk tahmincileri ile çevrimiçi anomali tespiti
MİNE KERPİÇÇİ
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN SERDAR KOZAT
YRD. DOÇ. DR. HÜSEYİN ÖZKAN