基于大偏差原理的高维数据异常检测
机器学习
2021-09-29 v1 机器学习
摘要
当前多数异常检测方法在处理高维数据时受维数灾难困扰。我们提出一种利用大偏差理论概念、可扩展至高维数据的异常检测算法。所提大偏差异常检测（LAD）算法在多个大型高维基准数据集上优于最先进的异常检测方法。借助该算法处理高维数据的可扩展性，我们提出一种在线异常检测方法，以在多变量时间序列集合中识别异常。我们展示了该在线算法在识别美国境内 COVID-19 相关病例与死亡趋势异常县份中的适用性。若干被识别的异常县与文献记载的对疫情应对不力的县相吻合。
引用
@article{arxiv.2109.13698,
title = {Anomaly Detection for High-Dimensional Data Using Large Deviations Principle},
author = {Sreelekha Guggilam and Varun Chandola and Abani Patra},
journal= {arXiv preprint arXiv:2109.13698},
year = {2021}
}