用于异常检测的支撑傅里叶延拓与回归
机器学习
2024-07-02 v2 机器学习
数值分析
数值分析
摘要
本文引入了支撑傅里叶延拓与回归（BFCR）的概念。BFCR是一种新颖且计算高效的方法，用于在任意一维数据集中寻找非线性回归或趋势线。首先概述了支撑傅里叶延拓（BFC）和BFCR算法，然后讨论了BFCR的性质，并演示了如何将BFCR趋势线有效地用于任意一维数据集内部和边缘的异常检测。最后，概述并讨论了在使用BFCR进行异常检测时可能出现的问题以及可能的缓解技术。所有源代码和示例数据集均通过GitHub引用或提供，所有相关代码均完全用Python编写。
引用
@article{arxiv.2405.03180,
title = {Braced Fourier Continuation and Regression for Anomaly Detection},
author = {Josef Sabuda},
journal= {arXiv preprint arXiv:2405.03180},
year = {2024}
}
备注
16 pages, 9 figures, associated Github link: https://github.com/j4sabuda/Braced-Fourier-Continuation-and-Regression -6/30/2024 update corrected and reworded erroneous figure references, minor typos