条件付き異常検知のための距離尺度学習

要旨: 異常検知手法は、データ中の特異な、または興味深いパターンを特定するのに非常に有用です。近年提案された条件付き異常検知の枠組みは、異常検知をデータに含まれる属性の部分集合における異常なパターンを識別するという問題へ拡張します。異常は常に（条件として）残りの属性の値に依存します。本論文で提示する研究は、条件付き異常を検出するための実例ベース手法に焦点を当てています。これらの手法は、異常を検出するうえで最も重要なデータセット内の事例を同定するための距離尺度に大きく依存します。この種の手法の性能を最適化するために、本研究では、条件付き異常パターンを最もよく反映する距離尺度を学習するメトリック学習手法を検討し、考案します。