睡眠分析与在线选择性异常检测
机器学习
2014-03-04 v1
摘要
我们提出了一个新的问题，即在线选择性异常检测（Online Selective Anomaly Detection, OSAD），旨在模拟睡眠科学研究中出现的一种特定场景。科学家将睡眠划分为多个阶段，其中第二阶段 characterized 由记录在睡眠受试者脑电图（EEG）时间序列中的两种模式（或异常）所定义。这两种模式分别是睡眠纺锤波（sleep spindle, SS）和 K 复合波（K-complex）。引入 OSAD 问题是为了设计一个残差系统，在该系统中所有异常（已知和未知）均被检测到，但系统仅在出现非 SS 异常时触发警报。解决 OSAD 问题需要我们结合机器学习与控制理论的技术。对真实受试者数据的实验证实了我们方法的有效性。
引用
@article{arxiv.1403.0156,
title = {Sleep Analytics and Online Selective Anomaly Detection},
author = {Tahereh Babaie and Sanjay Chawla and Romesh Abeysuriya},
journal= {arXiv preprint arXiv:1403.0156},
year = {2014}
}
备注
Submitted to 20th ACM SIGKDD Conference on Knowledge Discovery and Data Mining 2014