Autor Mohan, Chilukuri K.
|
|
Documentos disponibles escritos por este autor (1)
Hacer una sugerencia Refinar búsqueda
Título : Anomaly Detection Principles and Algorithms Tipo de documento: documento electrónico Autores: Mehrotra, Kishan G., Autor ; Mohan, Chilukuri K., Autor ; Huang, HuaMing, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XXII, 217 p. 66 ilustraciones, 55 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-67526-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de datos Sistemas de reconocimiento de patrones Protección de datos Minería de datos y descubrimiento de conocimientos Reconocimiento de patrones automatizado Seguridad de datos e información Índice Dewey: 006.312 Minería de datos Resumen: Este libro proporciona una presentación legible y elegante de los principios de la detección de anomalías, proporcionando una introducción sencilla para los recién llegados al campo. Se describe sucintamente una gran cantidad de algoritmos, junto con una presentación de sus fortalezas y debilidades. Los autores también cubren algoritmos que abordan diferentes tipos de problemas de interés con datos de series temporales únicas y múltiples y datos multidimensionales. Se describen nuevos algoritmos de detección de anomalías en conjuntos, utilizando los beneficios proporcionados por diversos algoritmos, cada uno de los cuales funciona bien con algunos tipos de datos. Con los avances en la tecnología y el uso extensivo de Internet como medio de comunicación y comercio, ha habido un enorme aumento en las amenazas que enfrentan individuos y organizaciones por parte de atacantes y entidades criminales. Se ha descubierto que las variaciones en las conductas observables de los individuos (de los demás y de sus propias conductas pasadas) son útiles para predecir problemas potenciales de diversos tipos. De ahí que los informáticos y estadísticos hayan estado realizando investigaciones sobre la identificación automática de anomalías en grandes conjuntos de datos. Este libro estará dirigido principalmente a profesionales e investigadores recién llegados al área de las técnicas modernas de detección de anomalías. Los estudiantes de nivel avanzado en informática también encontrarán este libro útil en sus estudios. Nota de contenido: 1 Introduction -- 2 Anomaly Detection -- 3 Distance-based Anomaly Detection Approaches -- 4 Clustering-based Anomaly Detection Approaches -- 5 Model-based Anomaly Detection Approaches -- 6 Distance and Density Based Approaches -- 7 Rank Based Approaches -- 8 Ensemble Methods -- 9 Algorithms for Time Series Data -- Datasets for Evaluation -- Datasets for Time Series Experiments. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Anomaly Detection Principles and Algorithms [documento electrónico] / Mehrotra, Kishan G., Autor ; Mohan, Chilukuri K., Autor ; Huang, HuaMing, Autor . - 1 ed. . - [s.l.] : Springer, 2017 . - XXII, 217 p. 66 ilustraciones, 55 ilustraciones en color.
ISBN : 978-3-319-67526-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Procesamiento de datos Sistemas de reconocimiento de patrones Protección de datos Minería de datos y descubrimiento de conocimientos Reconocimiento de patrones automatizado Seguridad de datos e información Índice Dewey: 006.312 Minería de datos Resumen: Este libro proporciona una presentación legible y elegante de los principios de la detección de anomalías, proporcionando una introducción sencilla para los recién llegados al campo. Se describe sucintamente una gran cantidad de algoritmos, junto con una presentación de sus fortalezas y debilidades. Los autores también cubren algoritmos que abordan diferentes tipos de problemas de interés con datos de series temporales únicas y múltiples y datos multidimensionales. Se describen nuevos algoritmos de detección de anomalías en conjuntos, utilizando los beneficios proporcionados por diversos algoritmos, cada uno de los cuales funciona bien con algunos tipos de datos. Con los avances en la tecnología y el uso extensivo de Internet como medio de comunicación y comercio, ha habido un enorme aumento en las amenazas que enfrentan individuos y organizaciones por parte de atacantes y entidades criminales. Se ha descubierto que las variaciones en las conductas observables de los individuos (de los demás y de sus propias conductas pasadas) son útiles para predecir problemas potenciales de diversos tipos. De ahí que los informáticos y estadísticos hayan estado realizando investigaciones sobre la identificación automática de anomalías en grandes conjuntos de datos. Este libro estará dirigido principalmente a profesionales e investigadores recién llegados al área de las técnicas modernas de detección de anomalías. Los estudiantes de nivel avanzado en informática también encontrarán este libro útil en sus estudios. Nota de contenido: 1 Introduction -- 2 Anomaly Detection -- 3 Distance-based Anomaly Detection Approaches -- 4 Clustering-based Anomaly Detection Approaches -- 5 Model-based Anomaly Detection Approaches -- 6 Distance and Density Based Approaches -- 7 Rank Based Approaches -- 8 Ensemble Methods -- 9 Algorithms for Time Series Data -- Datasets for Evaluation -- Datasets for Time Series Experiments. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
