استفاده از شبكه باور عميق و مدل ماركوف مخفي براي آشكارسازي غير معمول‌ها در داده‌هاي با بعد بالا

در حوزه داده‌هايي با بعد بالا، چالش‌هاي بزرگي در زمينه آشكارسازي غيرمعمول‌ها وجود دارد. حضور ويژگي‌هاي غير مرتبط مي‌تواند وجود غيرمعمول‌ها را پنهان كند. اين مساله در اصطلاح تحت عنوان مشقت چند بعدي مطرح مي‌شود. ساخت يك مدل آشكارسازي قوي براي غيرمعمول‌ها در حضور داده‌هايي با بعد بالا، نيازمند يك روش تركيبي از استخراج‌كننده‌هاي ويژگي بدون نظارت و يك آشكارساز غير معمول مي‌باشد. در اين مقاله يك روش تركيبي براي آشكارسازي غيرمعمول‌ها در داده‌هاي با بعد بالا ارائه مي‌شود. ابتدا يك شبكه باور عميق براي استخراج ويژگي‌هاي با بعد پايين آموزش مي‌بيند. و سپس اين ويژگي‌هاي استخراج شده توسط شبكه باور عميق براي آموزش يك مدل ماركوف مخفي استفاده مي‌شود. از مدل ماركوف مخفي براي به‌دست آوردن مدل‌هاي رفتاري معمول استفاده مي‌شود. سپس يك روش آشكارساز غيرمعمول با استفاده از اين مدل‌هاي رفتاري معمول براي آشكارسازي غيرمعمول‌ها مورد استفاده قرار مي‌گيرد. نتايج آزمايشي نشان مي‌دهد كه روش پيشنهادي در قبال كاهش زمان مرحله آموزش و آزمايش منجر به نتايج قابل قبولي مي‌شود.