Collective anomaly detection in time series using pitch frequency and dissimilarity features
Pitch frekansı ve benzeşmezlik öznitelikleri kullanılarak zaman serilerinde kolektif anomali tespiti
- Tez No: 810967
- Danışmanlar: PROF. DR. VİLDA PURUTÇUOĞLU, DR. ÖĞR. ÜYESİ AYKUT EKEN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kolektif anomaliler, çeşitli faktörler nedeniyle zaman serisi veri modalitelerinin çoğunda görülür. Biyomedikal sinyallerde elektrotların yer değiştirmesi, hareket veya hatalı ekipman nedeniyle sıklıkla görülürler. Bu anomaliler model ve analiz performansı üzerinde olumsuz bir etkiye sahiptir. Bu yüzden, onları veriden kaldırmak veya verideki farklı davranışları yakalamak için tespit edilmeleri önemlidir. Bu tez, yarı periyodik zaman serisi verilerindeki kolektif anomalileri tespit etmek için yeni bir yaklaşım önermektedir. Önerilen algoritma, ses sinyali işlemede yaygın olarak kullanılan perde frekansı tahmin tekniklerinden yararlanarak hem zaman hem de frekans alanlarının güçlü yönlerini birleştirmektedir. Bu sayede, anomaliler için farklı açılardan değerlendirmeler ile daha iyi bir performans sunması hedeflenektedir. Kayan pencereler yaklaşımını kullanarak ve yapısal örüntüleri dinamik olarak öğrenmek için önceki veri bilgilerini kullanarak, önerilen algoritma gerçek zamanlı anomali tespitinde de kullanılabilmektedir. Pencere özelliklerini önemli ölçüde etkilemeyen tek örnekli aykırı değerleri tespit etmek için geliştirilmemiş olsa da, kolektif anormallikleri tespit etmede etkilidir. Algoritma özellikle yarı periyodik veriler için geliştirilmiştir ve yarı periyodik olmayan zaman serisi verilerine uygulanabilirliği sınırlı olabilir. Önerilen algoritmanın etkinliğini çeşitli koşullar altında değerlendirmek için hem sentetik olarak oluşturulmuş hem de karşılaştırmalı elektrokardiyogram (EKG) veri kümeleri kullanılmıştır. Önerilen yaklaşımın performansı, anomali tespitinde yaygın olarak kullanılan diğer öznitelikler ve temel anomali tespit algoritmaları ile karşılaştırılmıştır. Bulgular, önerilen yöntemin kolektif anomalileri tespit etmede karşılaştırılan algoritmalardan genelde daha iyi performans gösterdiğini ve ayrıca hesaplama verimliliği açısından diğer parametrik olmayan yaklaşımlardan daha hızlı olduğunu ortaya koymaktadır.
Özet (Çeviri)
Collective anomalies appear in the majority of time series data modalities due to a variety of factors. They appear frequently in biomedical signals as a result of electrode displacement, motion, or faulty equipment. These anomalies have a negative impact on model and analysis performance and are frequently identified in order to be eliminated or detected in order to observe unwanted data behavior. This thesis describes a novel method for detecting collective anomalies in quasi-periodic time series data. By leveraging pitch frequency estimation techniques commonly used in audio signal processing, the proposed algorithm combines the strengths of both the time and frequency domains. It provides a comprehensive view of anomalous patterns and can be customized and adapted to different domains and datasets, making it useful for a wide range of applications. By employing a sliding windows approach and utilizing previous data information to dynamically learn structural patterns, the proposed algorithm also excels in real-time anomaly detection. It is effective in detecting subject-specific anomalies, although it may not locate single-sample outliers that do not significantly affect window properties. The algorithm was developed specifically for quasi-periodic data and may be limited in its applicability to non-quasi-periodic time series data. Both synthetically generated and benchmark electrocardiogram (ECG) datasets are used to assess the effectiveness of the proposed algorithm under a variety of conditions. The performance of the proposed approach is compared to other features commonly used in anomaly detection, as well as some benchmark time series anomaly detection algorithms. The findings show that the proposed method consistently outperforms the compared algorithms in detecting both outlier-like and inlier-like anomalies. It also outperforms other non-parametric approaches in terms of computational efficiency.
Benzer Tezler
- Çukurova bölgesinde biyoklimatik veriler kullanılarak açık ve yeşil alan sistemlerinin belirlenmesi ilkeleri üzerinde bir araştırma
A research on the determination of the principles in open and green spaces systems by using the bioclimatic data in Çukurova region
MEHMET FARUK ALTUNKASA
Doktora
Türkçe
1987
Çevre MühendisliğiÇukurova ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ERDOĞAN GÜLTEKİN
- A Decision support system for planning standby garbage collection trucks
Yedek çöp toplama kamyonlarının planlanması için bir karar destek sistemi
GÜLSER HACISALİHOĞLU
Yüksek Lisans
İngilizce
1987
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. HALİM DOĞRUSÖZ
- Travmatik erkek paraplojelere yüksek frekanslı TENS
Başlık çevirisi yok
SEMA ÖZTÜRK
Yüksek Lisans
Türkçe
1986
Ortopedi ve TravmatolojiGazi ÜniversitesiKazalarda Acil Yardım ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. VESİLE SEPİCİ
- Glaphyrinae altfamillyasına bağlı bazı türlerin teşhisinde dış morfolojik karakterlerin kullanılması üzerinde çalışmalar
The Research on the subfamilly of glaphyrinae and the usage of the external morphdosical characteristics for Identifying some of its species
B.VERDA AKA