지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.6
- 수록면
- 134 - 143 (10page)
- DOI
- 10.33162/JAR.2023.6.23.2.134
이용수
DBpia Top 10%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
초록· 키워드
오류제보하기
Purpose: In this paper, we proposed two anomaly detection methods using robust estimators under the normal distribution assumption.
Methods: We proposed two anomaly detection methods based on two sets of robust estimators: the Hodges-Lehmann (HL)–Shamos estimator and the Huber–Rousseeuw Croux (RC) estimator. The HL–Shamos detection method has a breakdown point of 29.3%, whereas the Huber–RC detection method has a breakdown point of 50%. We performed Monte Carlo simulations to compare the proposed methods with existing methods and demonstrated that the proposed methods are robust to outliers. We used the generalized mean square error to compare their performances.
Results: The Huber–RC detection method exhibited the best performance. The HL–Shamos method exhibited a similar performance as the Huber–RC method when the percentage of outliers was less than 10%.
Conclusion: We showed the superiority of the proposed Huber–RC detection method through Monte Carlo simulations and real-data examples.
Methods: We proposed two anomaly detection methods based on two sets of robust estimators: the Hodges-Lehmann (HL)–Shamos estimator and the Huber–Rousseeuw Croux (RC) estimator. The HL–Shamos detection method has a breakdown point of 29.3%, whereas the Huber–RC detection method has a breakdown point of 50%. We performed Monte Carlo simulations to compare the proposed methods with existing methods and demonstrated that the proposed methods are robust to outliers. We used the generalized mean square error to compare their performances.
Results: The Huber–RC detection method exhibited the best performance. The HL–Shamos method exhibited a similar performance as the Huber–RC method when the percentage of outliers was less than 10%.
Conclusion: We showed the superiority of the proposed Huber–RC detection method through Monte Carlo simulations and real-data examples.
목차
1. 서론
2. 붕괴점 및 상대적 효율성
3. 관련 선행 연구
4. 새로운 이상치 탐지법 제안
5. 몬테카를로 시뮬레이션
6. 적용 사례
7. 결론
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Robust Huber-Adam Optimizer for Outlier-Prone Machine Learning
한국통신학회 학술대회논문집
2025 .02
-
고속 목표물 실시간 추적을 위한 FPGA를 이용한 병렬적 Huber 기반 확장 칼만 필터링
한국정보기술학회논문지
2025 .03
-
Deep One-class Classification with Pseudo Outliers for Robust Anomaly Detection
대한산업공학회 춘계공동학술대회 논문집
2023 .05
-
Identification of Incorrect Data Labels Using Conditional Outlier Detection
멀티미디어학회논문지
2020 .08
-
고차원 데이터에서 랜드마크를 이용한 거리 기반 이상치 탐지 방법
멀티미디어학회논문지
2021 .09
-
Temporal and spatial outlier detection in wireless sensor networks
[ETRI] ETRI Journal
2019 .08
-
이상치 탐지 기법을 통한 이동 궤적 데이터 분석에 관한 연구
Proceedings of KIIT Conference
2022 .06
-
Self-Supervised Anomaly Detection using Outliers for Multivariate Time Series
대한산업공학회 추계학술대회 논문집
2024 .10
-
Outlier Detection Method for Time Synchronization
Journal of Positioning, Navigation, and Timing
2020 .01
-
고차원 데이터에서 One-class SVM과 Spectral Clustering을 이용한 이진 예측 이상치 탐지 방법
멀티미디어학회논문지
2022 .06
-
Minimum generalized variance를 이용한 비정상적인 택시 이동경로 탐지
대한공간정보학회 학술대회
2018 .11
-
Generalized Outlier Detection for Skewed Distribution in biomedical Signal
한국신뢰성학회 학술대회논문집
2024 .06
-
Edge outlier detection method for technology opportunity discovery
대한산업공학회 추계학술대회 논문집
2016 .11
-
Projection method를 이용한 택시 이동데이터 흐름에 대한 outlier 탐지에 관한 연구
한국측량학회 학술대회자료집
2019 .04
-
시뮬레이션 데이터의 이상성 판별 연구
한국항공우주학회 학술발표회 초록집
2021 .11
-
GTOE : Anomaly Detection Geometric Transformation Network with Outlier Exposure for Real Industry Data
제어로봇시스템학회 국제학술대회 논문집
2021 .10
-
Genetic Outlier Detection for a Robust Support Vector Machine
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2015 .06
-
이상치 진단 방법과 전력 에너지 분석을 위한 딥러닝 모델 적용 연구
대한전자공학회 학술대회
2021 .06
-
다중 물체 추적을 위한 휴버 방식 기반 무향 칼만필터를 활용한 분산형 센서 융합
한국자동차공학회 추계학술대회 및 전시회
2022 .11
-
Local outlier detection in datasets with mixed attributes
대한산업공학회 춘계공동학술대회 논문집
2016 .04
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0