文件名称：Anomaly_Detection
文件大小：765KB
文件格式：ZIP
更新时间：2024-04-09 00:26:43
JupyterNotebook
异常检测 SODA应用于异常检测 SODA是一种自组织算法，可将数据集划分为非参数数据云。在离线模式下，我们仅通过正常事件（背景）向SODA提供数据集化合物。之后，SODA在其在线模式下重新组织了这些数据云，以遵循流数据模式。因此，通过分析流数据到达前后的数据云之间的差异，可以识别异常数据模式（根据信号）。此分析计算出流数据到达后，每个数据云内部有多少离线数据。因此，具有更多离线数据的数据云更类似于正常事件（背景）。那些没有离线数据的人被视为异常数据云，因为它们不遵循离线数据模式。 内容 Anomaly_Detection.py：我们模型的最新版本； SODA.py：SODA例程和进程的python版本； data_manipulation.py：包含我们模型所使用的所有例程和过程的库； 结果：包含Anomaly_Detection.py脚本输出的文件夹； Analysed_Sig
【文件预览】：
Anomaly_Detection-main
----data_manipulation.py(18KB)
----SODA.py(20KB)
----__pycache__()
--------data_manipulation.cpython-38.pyc(11KB)
--------data_manipulation.cpython-37.pyc(11KB)
--------SODA.cpython-38.pyc(18KB)
--------SODA.cpython-37.pyc(13KB)
----log_file.txt(4KB)
----results()
--------performance_info_raw_1_0.csv(243B)
--------Attributes_Contribution.png(59KB)
--------performance_info_raw_2_0.csv(243B)
--------.performance_info_raw_6_0.csv.swp(12KB)
--------detection_info_raw_2_0.csv(106B)
--------.Structure.txt(23B)
----Analysed_Signal()
--------Reduced_Input_Signal_1.csv(10KB)
--------Reduced_ID_Input_Signal_1.csv(500B)
--------Reduced_ID_iteration_0_Input_Signal_1.csv(54KB)
--------Reduced_iteration_0_Input_Signal_1.csv(1.11MB)
--------Reduced_ID_iteration_0_Reduced_Input_Signal_1.csv(100B)
--------.Struct.txt(23B)
--------Reduced_iteration_0_Reduced_Input_Signal_1.csv(2KB)
--------.Structure.txt(23B)
----results.ipynb(191KB)
----.gitignore(89B)
----.ipynb_checkpoints()
--------results-checkpoint.ipynb(189KB)
--------cp_functions-checkpoint.ipynb(1.49MB)
--------SODA_playground-checkpoint.ipynb(6KB)
--------versao_cosseno-checkpoint.ipynb(7KB)
--------my_pdist-checkpoint.ipynb(8KB)
--------function_building_ground-checkpoint.ipynb(11KB)
--------cloud_member_recruitment-checkpoint.ipynb(72B)
--------my_cdist_numpy-checkpoint.ipynb(5KB)
----README.md(2KB)
----Anomaly_Detection.py(8KB)
----.Structure.txt(23B)