Temporal outlier detection using dynamic Bayesian networks and probabilistic association rules

• Autor: Quispe Vargas, Walter
• Formato: tesis doctoral
• Fecha de Publicación: 2019
• Institución: Superintendencia Nacional de Educación Superior Universitaria
• Repositorio: Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
• Lenguaje: inglés
• OAI Identifier: oai:renati.sunedu.gob.pe:renati/6494
• Enlace del recurso: https://renati.sunedu.gob.pe/handle/sunedu/3346625; https://hdl.handle.net/20.500.11801/2567
• Nivel de acceso: acceso abierto
• Materia: Redes bayesianas; Estadística bayesiana; Asociación probabilística; Valores atípicos; Patrones atípicos temporales; https://purl.org/pe-repo/ocde/ford#1.02.00

Esta tesis trata el problema de descubrir valores atípicos temporales interesantes en un conjunto de datos. Presentamos reglas de asociación probabilísticas como medidas para descubrir valores atípicos temporales interesantes basados en el conocimiento del dominio que ha sido aprendido y representado por una Red Bayesiana Dinámica. Las redes Bayesianas dinámicas capturan el conocimiento previo en una relación causal entre variables aleatorias. Las dos reglas de asociación probabilística definidas como: i) soporte bajo & confianza alta y ii) soporte alto & confianza baja, fueron usadas para identificar escenarios donde las discrepancias entre las probabilidades previas y condicionales son significativas. Nuestro enfoque novedoso une ambos métodos y nos permite descubrir valores atípicos temporales interesantes y proporcionan una contextualización en forma de sub-espacios relacionales, bajo la metodología propuesta llamada “Patrones Atípicos Temporales en un Dominio Específico”. La evaluación de la metodología propuesta fue realiza en datos temporales simulados y reales, en escenarios no supervisados y supervisados. Los resultados experimentales en datos temporales muestran que nuestro enfoque puede detectar valores atípicos temporales genuinos y proporcionar sub-espacios relacionales para explicar las causas probables de los valores atípicos temporales reportados con buenas medidas de eficiencia.