Ensembles for anomaly detection

Bc. Tomáš Krutý

Bakalářská práce

Anotace:

Táto práca prezentuje hlavné princípy ansámblových učiacich algoritmov a rešerš ansámblových metód pre detekciu anomálií od roku 2013. Ďalej práca uvádza niekoľko spôsobov, ako ansámblové metódy pre detekciu anomálií vytvárať na základe metód local outlier factor a class outlier: distance-based a tiež ich implementáciu v programovacom jazyku R. Na záver práca vyhodnotí vybrané ansámblové metódy pre detekciu anomálií s využitím generovaných a reálnych dát a predkladá výsledky tohoto vyhodnotenia.

Abstract:

This thesis presents the main principles of ensemble learning and research of previous work done on the subject of ensemble methods for anomaly detection. Next the thesis presents various ways to create ensemble methods for anomaly detection using the local outlier factor and class outlier: distance-based methods as base learners for these ensembles and provides implementation of selected ensembles in R language. Finally the thesis evaluates the selected ensembles using generated and real world datasets and shows the full results of this evaluation.

Keywords

ensembles, anomaly detection, machine learning

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 28. 5. 2018

Obhajoba závěrečné práce

• Obhajoba proběhla 25. 6. 2018
• Vedoucí: doc. RNDr. Lubomír Popelínský, Ph.D.
• Oponent: Mgr. Veronika Krejčířová

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Matematická informatika