Détection de séquences atypiques basée sur un modèle de Markov d'ordre variable - LIRMM - Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier
Conference Papers Year : 2009

Détection de séquences atypiques basée sur un modèle de Markov d'ordre variable

Abstract

Récemment, le nombre et le volume des bases de données séquentielles biologiques ont augmenté de manière considérable. Dans ce contexte, l'identification des anomalies est essentielle. La plupart des approches pour les extraire se fondent sur une base d'apprentissage ne contenant pas d'outlier. Or, dans de très nombreuses applications, les experts ne disposent pas d'une telle base. De plus, les méthodes existantes demeurent exigeantes en mémoire, ce qui les rend souvent impossibles à utiliser. Nous présentons dans cet article une nouvelle approche, basée sur un modèle de Markov d'ordre variable et sur une mesure de similarité entre objets séquentiels. Nous ajoutons aux méthodes existantes un critère d'élagage pour contrôler la taille de l'espace de recherche et sa qualité, ainsi qu'une inégalité de concentration précise pour la mesure de similarité, conduisant à une meilleure détection des outliers. Nous démontrons expérimentalement la validité de notre approche.
Fichier principal
Vignette du fichier
1000766.pdf (933.89 Ko) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

lirmm-00363993 , version 1 (20-09-2019)

Identifiers

  • HAL Id : lirmm-00363993 , version 1

Cite

Cécile Low-Kam, Anne Laurent, Maguelonne Teisseire. Détection de séquences atypiques basée sur un modèle de Markov d'ordre variable. EGC: Extraction et Gestion des Connaissances, Jan 2009, Strasbourg, France. pp.217-228. ⟨lirmm-00363993⟩
139 View
64 Download

Share

More