Tóm tắt Luận án Tiến sĩ Khoa học máy tính: Phát hiện những điểm thay đổi và chuỗi con bất thường trên dữ liệu chuỗi thời gian

Tóm tắt Luận án Tiến sĩ Khoa học máy tính "Phát hiện những điểm thay đổi và chuỗi con bất thường trên dữ liệu chuỗi thời gian" được nghiên cứu với 2 mục tiêu: Đề xuất giải pháp mới để phát hiện hiệu quả chuỗi con bất thường nhất trên dữ liệu chuỗi thời gian dạng tĩnh. Đề xuất giải pháp mới để phát hiện hiệu quả chuỗi con bất thường nhất trên dữ liệu chuỗi thời gian dạng luồng (còn được gọi là xử lý online).
Nội dung trích xuất từ tài liệu:
Tóm tắt Luận án Tiến sĩ Khoa học máy tính: Phát hiện những điểm thay đổi và chuỗi con bất thường trên dữ liệu chuỗi thời gian ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA HUỲNH THỊ THU THỦY PHÁT HIỆN NHỮNG ĐIỂM THAY ĐỔI VÀ CHUỖI CON BẤT THƯỜNG TRÊN DỮ LIỆU CHUỖI THỜI GIAN Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 62.48.01.01 TÓM TẮT LUẬN ÁN TIẾN SĨ TP. HỒ CHÍ MINH - NĂM 2021 Công trình được hoàn thành tại Trường Đại học Bách Khoa – ĐHQG-HCM Người hướng dẫn 1: DƯƠNG TUẤN ANH, Phó giáo sư, Tiến sĩ Người hướng dẫn 2: VÕ THỊ NGỌC CHÂU, Tiến sĩ Phản biện độc lập 1: Phản biện độc lập 2: Phản biện 1: Phản biện 2: Phản biện 3: Luận án sẽ được bảo vệ trước Hội đồng đánh giá luận án họp tại ............................................................................................................................... ............................................................................................................................... vào lúc giờ ngày tháng năm Có thể tìm hiểu luận án tại thư viện: - Thư viện Trường Đại học Bách Khoa – ĐHQG-HCM - Thư viện Đại học Quốc gia Tp.HCM - Thư viện Khoa học Tổng hợp Tp.HCM Tạp chí quốc tế 1- [CT01] H. T. T. Thuy, D. T. Anh and V. T. N. Chau, 'Anomaly repair- based approach to improve time series forecasting, 'Intelligent Data Analysis, vol. 26, no. 2, pp. xxxx, 2022. ISI Q4, SCIE, IF = 0.860 (Unpublished Proceeding Paper). 2- [CT02] H. T. T. Thuy, D. T. Anh and V. T. N. Chau, 'Efficient segmentation-based methods in static and streaming time series under dynamic time warping,' Journal of Intelligent Information Systems, vol. 56, no. 1, pp.121-146, 2021. ISI Q2, SCIE, IF = 1.813 Kỷ yếu hội nghị quốc tế 1- [CT03] H.T.T. Thuy, D.T. Anh, and V.T.N. Chau, 'A new discord definition and an efficient time series discord detection method using GPUs,' In 2021 3rd International Conference on Software Engineering and Development (ICSED), Xiamen, China, 19-21 November, pp. 63-70, 2021. 2- [CT04] H.T.T. Thuy, D.T. Anh, and V.T.N. Chau, 'Segmentation-based methods for top-k discords detection in static and streaming time series under Euclidean distance,' In International Conference on Context-Aware Systems and Applications (ICCASA), 28-29 October, pp. 147-163, 2021. Springer, Cham. 3- [CT05] H.T.T. Thuy, D.T. Anh, and V.T.N. Chau, 'Incremental Clustering for Time Series Data Based on an Improved Leader Algorithm,” In 2019 IEEE-RIVF International Conference on Computing and Communication Technologies (RIVF), Da Nang, Vietnam, 20 March, , pp. 1-6, 2019. IEEE. 4- [CT06] H.T.T. Thuy, D.T. Anh and V.T.N. Chau, 'A Novel Method for Time Series Anomaly Detection based on Segmentation and Clustering,' In 2018 10th International Conference on Knowledge and Systems Engineering (KSE), Ho Chi Minh, Vietnam, 1-3 November, pp. 276-281, 2018. IEEE. 5- [CT07] H. T. T. Thuy, D. T. Anh and V. T. N. Chau, 'Comparing Three Time Series Segmentation Methods via Novel Evaluation Criteria,' In 2017 2nd International conferences on Information Technology, Information Systems and Electrical Engineering (ICITISEE), Yogyakarta, Indonesia, 1- 3 November, pp. 171-176, 2017. 6- [CT08] H.T.T. Thuy, D.T. Anh and V.T.N. Chau, 'An effective and efficient hash-based algorithm for time series discord discovery,' In 2016 3rd National Foundation for Science and Technology Development Conference on Information and Computer Science (NICS), Da Nang, Vietnam, 14-16 September, pp. 85-90, 2016. IEEE. 7- [CT09] H.T.T. Thuy, D.T. Anh and V.T.N. Chau, 'Some Efficient Segmentation-Based Techniques to Improve Time Series Discord Discovery,' In International Conference on Nature of Computation and Communication (ICTCC), Kien Giang, Vietnam, 17-18 March, pp. 179-188, 2016. Springer, Cham. CHƯƠNG 1 GIỚI THIỆU Động cơ nghiên cứu của đề tài Giới thiệu ngữ cảnh Bài toán được giải quyết trên ngữ cảnh dữ liệu chuỗi thời gian dạng tĩnh và ngữ cảnh dữ liệu chuỗi thời gian dạng luồng. Giới thiệu bài toán Bài toán cần nghiên cứu là bài toán phát hiện chuỗi con bất thường nhất trên dữ liệu chuỗi thời gian (time series data). Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu của đề tài là phát hiện bất thường trên dữ liệu chuỗi thời gian dạng tĩnh (static time series) và chuỗi thời gian dạng luồng (streaming time series). Trong đó, giá trị từng điểm dữ liệu của chuỗi thời gian là số thực như được trình bày trong Định nghĩa 2.1. Phạm vi nghiên cứu của đề tài là giải bài toán phát hiện chuỗi con bất thường nhất trên dữ liệu chuỗi thời gian. Đề tài sẽ tập trung vào chuỗi thời gian đơn biến (univariate time series) và chuỗi con tìm được hướng về chuỗi con ngắn nhất. Giới thiệu các công trình liên quan và hiện trạng giải quyết Thách thức nổi trội đối với bài toán khám phá bất thường là tìm ra chiều dài chuỗi con bất thường phù hợp. Các công trình nổi tiếng như [6], [7], [37] cũng chưa thể vượt qua thách thức này. Kể cả các công trình mới gần đây của năm 2019 [38] và năm 2021 [39] cũng chưa vượt qua được thách thức này. Ngoài ra, có một thách thức khác xuất hiện gần đây hơn, đó là việc phát hiện chuỗi con bất thường trên dữ liệu chuỗi thời gian có kích thước lớn và dữ liệu chuỗi thời gian dạng luồng [40]. Năm 2018, Châu và các cộng sự đã đề xuất giải pháp HS-Squeezer- Stream sử dụng hướng tiếp cận dựa vào cửa sổ trượt để phát hiện bất thường trên dữ liệu chuỗi thời gian dạng luồng nhưng đề xuất này vẫn có chi phí thời gian cao [41]. Dựa vào công trình của Chandola và các cộng sự năm 2009 [22], công trình của Cheboli năm 2010 [23], và công trình của Brae ...