Предложены модели оптимизации обнаружения аномалий в Big Data

Статья «Алгоритм PSO+K-means  для обнаружения аномалий в Big Data» (PSO+K-means Algorithm for Anomaly Detection in Big Data, DOI: 10.19139/soic.v7i2.623) сотрудников Института информационных технологий НАНА опубликована в журнале «Statistics, Optimization & Information Computing».

Авторами статьи являются вице-президент НАНА, директор Института информационных технологий НАНА, академик Расим Алигулиев, заведующий отделом института, член-корреспондент НАНА Рамиз Алыгулиев и ведущая научная сотрудница института, доктор философии по технике, доцент Фаргана Абдуллаева.

В статье предложена новая модель весовой классификации, состоящая из двух блоков, основывающаяся на союз алгоритмов PSO (particle swarm optimization) и алгоритмов k-means для повышения точности обнаружения аномалий. На первом этапе кластеризуется метод k-means и данные для определения аномалий в базе данных. На втором этапе рассчитывается центр кластеров, оптимизированный для кластеров, которые в наличии. Для проведения процессов оптимизации каждый кластер обозначается как частица (particle). Оценка совместимости (fitness value)  всех частиц рассчитывается на основе предложенной функции цели.

Статья подготовлена в рамках грант проекта «Разработка методов и алгоритмов для обеспечения информационной безопасности в среде больших данных (Big Data) и некоторых их приложения» (Qrant № EİF-KETPL-2-2015-1(25)- 56/05/1), финансируемого Фондом развития науки при президенте Азербайджанской Республики.

Отметим, что журнал «Statistics, Optimization & Information Computing» индексируется и реферируется в таких международных научных базах, как Scopus (Elsevier), Mathematical Reviews, MathSciNet, DOAJ, Crossref и т. д.

© Все права защищены. При использовании информации гиперссылка на сайт www.iсt.az обязательна.