| Περίληψη: | Σ΄ ένα σύνολο δεδομένων, ένα στοιχείο το οποίο παρεκκλίνει από την συνήϑη συμπεριφορά των
υπολοίπων μπορεί να ϑεωρηϑεί ακραία τιμή, εξαίρεση η αλλιώς ανωμαλία. Η ανίχνευση τέτοιων
στοιχείων είναι κρίσιμης σημασίας για την διασφάλιση της λειτουργικότητας των διαφόρων συστημάτων.
Χρηματοοικονομιkές συναλλαγές, εφαρμογές στην κυβερνοασφάλεια, ακόμα και στην ιατροφαρμακευτική
περίϑαλψη ασϑενών είναι μερικά μόνο παραδείγματα στα οποία ο έγκαιρος εντοπισμός πιϑανών
ακραίων τιμών μπορεί να δράσει επικουριkά στην ενεργοποίηση των απαραίτητων διορϑωτικών
ενεργειών για την αποφυγή πιϑανών αρνητικών σεναρίων και επιπτώσεων στην υγεία του συστήματος
που ϑα μπορούσαν αυτές να προαναγγέλλουν.
Στο πρώτο κεφάλαιο της παρούσας εργασίας παρουσιάζονται κάποιες βασικές έννοιες αναφοριkά
με την μηχανική μάϑηση. Στο δεύτερο κεφάλαιο ϑα διερευνηϑεί το πρόβλημα της ανίχνευσης ακραίων
τιμών, και ο ρόλος της μηχανιkής μάϑησης στην ανάλυση αυτού. Στο τρίτο κεφάλαιο, ϑα παρουσιαστούν
εν συντομία κάποιοι αλγόριϑμοι ανίχνευσης ανωμαλιών και στη συνέχεια ϑα υλοποιηϑούν διαφορετιkές
τεχνικές σε προγραμματιστικό περιβάλλον με εφαρμογές σε διάφορα παραδείγματα συνόλων δεδομένων,
με σκοπό την περιγραφή των υπολογιστικών πτυχών τους. Στο τέταρτο κεφάλαιο αυτές οι υλοποιήσεις
ϑα συγκριϑούν ως προς τα αποτελέσματά τους. Τέλος, ϑα δοϑεί η βιβλιογραφία πάνω στην οποία
βασίστηκε όλη η εργασία.
|
|---|
