Глоссарий ИИ
Полный словарь искусственного интеллекта
Distance au centroïde
Métrique utilisée pour évaluer l'éloignement d'un point par rapport au centre de son cluster assigné, où une distance élevée indique une probabilité d'anomalie.
K-Means Anomaly Score
Score calculé comme la distance minimale d'un point à tous les centroïdes de clusters K-Means, où les points avec les scores les plus élevés sont considérés comme des anomalies.
Cluster-Based Local Outlier Factor (CBLOF)
Méthode qui évalue l'écart d'un point par rapport à son cluster d'appartenance et la taille de ce cluster, considérant comme anomalies les points éloignés de grands clusters ou appartenant à de petits clusters.
Silhouette Outlier Detection
Technique utilisant le coefficient de silhouette pour identifier les anomalies, où les points avec des coefficients très négatifs sont probablement mal assignés et donc anormaux.
Gaussian Mixture Model (GMM) Anomaly Detection
Approche probabiliste modélisant les données comme un mélange de distributions gaussiennes, où les points ayant une faible probabilité sous le modèle sont identifiés comme anomalies.
BIRCH (Balanced Iterative Reducing and Clustering using Hierarchies)
Algorithme de clustering hiérarchique efficace pour les grands ensembles de données, capable d'identifier des anomalies comme des points ne s'intégrant pas dans les micro-clusters du CF Tree.
Clustering Spectral pour la Détection d'Anomalies
Méthode utilisant les valeurs propres de la matrice de similarité pour effectuer un clustering en espace de dimension réduite, où les anomalies apparaissent comme des points isolés dans le spectre.
Affinity Propagation Outlier Detection
Technode de clustering basé sur le passage de messages entre points, où les anomalies sont identifiées comme des points ne devenant jamais des exemplaires ou ayant une faible affinité avec les clusters formés.
Кластеризация в подпространстве для аномалий
Подход, выполняющий кластеризацию в различных подпространствах измерений для обнаружения аномалий, которые можно выявить только в конкретных проекциях данных.
Иерархическая агломеративная кластеризация для аномалий
Метод, строящий иерархию кластеров, где аномалии определяются как точки, объединенные на поздних стадиях в дендрограмме или образующие изолированные одиночные элементы.
Нечеткая кластеризация (Fuzzy C-Means) для аномалий
Вариант K-Means, где каждая точка имеет степень принадлежности к каждому кластеру, а аномалии характеризуются низкими и равномерно распределенными степенями принадлежности.
Инкрементальная кластеризация для обнаружения аномалий в потоках данных
Адаптация алгоритмов кластеризации для непрерывных потоков данных, где аномалии - это точки, которые не вписываются в динамически обновляемые модели кластеров.
Устойчивая к аномалиям кластеризация
Семейство алгоритмов кластеризации, разработанных так, чтобы не подвергаться влиянию выбросов, обеспечивая лучшее разделение между нормальными кластерами и аномалиями.
Кластеризация на основе гравитации (Gravity-Based Clustering)
Метод кластеризации, вдохновленный физикой, где аномалии - это точки, которые недостаточно притягиваются к