[論文レビュー] Periodicity Detection of Outlier Sequences Using Constraint Based Pattern Tree with MAD

N. Archana, Suvarna S. Pawar|arXiv (Cornell University)|Jul 7, 2015

Anomaly Detection Techniques and Applications参考文献 10被引用数 4

ひとこと要約

本稿では、時間系列データにおける周期的外れ値パターンを検出するための新規アルゴリズムを提案する。制約に基づくパターン木（CB-FP-tree）を用い、外れ値候補の特定を向上させるために中央絶対偏差（MAD）を統合した。レベル制約および単調制約を適用して木の成長を制限し、MADを用いて外れ値検出を精緻化することで、STNR-outと比較して周期性検出の精度が向上した。実験では細菌タンパク質配列を用いて検証された。

ABSTRACT

Patterns that appear rarely or unusually in the data can be defined as outlier patterns. The basic idea behind detecting outlier patterns is comparison of their relative frequencies with frequent patterns. Their frequencies of appearance are less and thus have lesser support in the data. Detecting outlier patterns is an important data mining task which will reveal some interesting facts. The search for periodicity of patterns gives the behavior of these patterns across time as to when they repeat likely. This in turn helps in prediction of events. These patterns are found in Time series-data, social networks etc. In this paper, an algorithm for periodic outlier pattern detection is proposed with the usage of a Constraint Based FP (Frequent Pattern)-tree as the underlying data structure for time series data. The growth of the tree is limited by using level and monotonic constraints. The protein sequence of bacteria named E.Coli is collected and periodic outlier patterns in the sequence are identified. Further the enhancement of results is obtained by finding the Median Absolute Deviation (MAD) in defining candidate outlier patterns. The comparative results between STNR-out (Suffix Tree Noise Resilient for Outlier Detection) and proposed algorithm are illustrated. The results show the effectiveness and applicability of the proposed algorithm.

研究の動機と目的

• 時間系列データにおいて、通常の挙動から著しく逸脱するレアな周期的パターンを同定する課題に対処すること。
• 中央絶対偏差（MAD）をパターンマイニングプロセスに統合することで、外れ値検出の精度を向上させること。
• レベルおよび単調制約による刈り込みを用いた制約に基づくFP木構造を活用し、周期的外れ値検出のための効率的アルゴリズムを開発すること。
• 実際の生物学的時間系列データを用いて、提案手法の性能をSTNR-outなどの既存手法と比較すること。

提案手法

• 本手法は、時間系列データにおける頻度パターンおよび外れ値パターンを効率的に格納・マイニングするため、制約に基づくFP木（CB-FP-tree）を基本データ構造として採用する。
• 木の構築段階でレベル制約および単調制約を適用し、木の成長を制限し、計算負荷を低減する。
• 候補外れ値パターンは、パターン頻度の分散を定量化する中央絶対偏差（MAD）を用いて精緻化される。
• 検出された外れ値パターンの周期性は、時間系列全体にわたる再発間隔の追跡によって分析される。
• 生物学的意味を持つ周期的外れ値パターンの検出を目的とし、細菌タンパク質配列を用いてアルゴリズムを評価する。
• 精度および再現率の指標を用いて、最先端の外れ値検出手法であるSTNR-outと比較分析を行う。

実験結果

リサーチクエスチョン

• RQ1 制約付きパターン木構造を用いて、時間系列データにおける周期的外れ値パターンを効果的に検出する方法は何か？
• RQ2 MADを統合することで、時間系列における真の外れ値パターンの同定にどの程度寄与するか？
• RQ3 提案手法は、精度および効率の観点からSTNR-outと比較して、どの程度の性能を示すか？
• RQ4 レベルおよび単調制約の統合は、外れ値パターンマイニングのスケーラビリティおよび精度を向上させるか？

主な発見

• 提案手法は、STNR-outと比較して周期的外れ値パターンの検出において優れた性能を示し、真の外れ値を識別する精度が向上した。
• MADの使用により、候補外れ値パターンの精緻化が顕著に向上し、分散の頑健な測定が可能になった。
• レベルおよび単調制約の適用により、CB-FP木のサイズが著しく削減され、計算効率が向上した。
• 細菌タンパク質配列を用いた実験結果から、生物学的に有意義な周期的外れ値パターンを検出可能なことが確認された。
• 比較評価の結果、提案手法はSTNR-outと比較して、精度および再現率の両面で優れた性能を示した。