Кластеризация данных в задачах обнаружения аномалий на основе ортогональных фильтров

от

А.В. Скатков1, Ю.Е. Шишкин1,2

1 ФГАОУ ВО «Севастопольский государственный университет», РФ, г. Севастополь, ул. Университетская, 33

2 Институт природно-технических систем, РФ, г. Севастополь, ул. Ленина, 28

E—mail: yourockpro@gmail.com

DOI: 10.33075/2220-5861-2018-1-36-43

УДК 004.942:004.75

Реферат:

   Предлагается подход к решению задачи оперативного обнаружения аномалий в данных мониторинга с использованием адаптивной цифровой фильтрации на основе ортогонального фильтра, использующего разложение БПФ. Выполнено математическое моделирование и построена процедура кластеризации в режиме реального времени. Проиллюстрирована работа предложенного подхода на примере выборки данных зондирования акватории вод г. Севастополя с использованием гидрологического SVP зонда.

Ключевые слова: мониторинг, математическое моделирование, Большие Данные, цифровая фильтрация, дискретное преобразование Фурье, детектирование аномалий, кластеризация, критические системы, интеллектуальный анализ данных.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ

  1. Анализ данных и процессов: учеб. пособие / А.А. Барсегян, М.С. Куприянов, И.И. Холод [и др.]. 3-е изд., перераб. и доп. СПб.: БХВ-Петербург, 2009. 512 с.
  2. Зубриенко Г.А., Лапонина О.Р. Методы оптимизации выборки данных для определения аномального трафика / International Journal of Open Information Technologies. 2016. Т. 4. № 10. С. 1–8.
  3. Скатков А.В., Шишкин Ю.Е. Модель обнаружения аномалий в полях наблюдений с использованием систем параметрического мониторинга // Системы контроля окружающей среды. 2017. Вып. 10 (30). С. 48–53.
  4. Греков А.Н., Греков Н.А., Шишкин Ю.Е. Исследование характеристик профилографа скорости звука и коррекция результатов измерения // Системы контроля окружающей среды. 2017. Вып. 10 (30). С. 24–30.
  5. Шишкин Ю.Е. Свидетельство № 2017664038 Российская Федерация. Модуль снижения избыточности данных мониторинга «МОСИДАМ»: свидетельство о государственной регистрации программы для ЭВМ / заявитель и правообладатель Ю.Е. Шишкин; № 2017660984; заявл. 27.10.2017, опубл. 14.12.2017; Бюл. № 12. 1 с.
  6. Шишкин Ю.Е. Исследование возможностей систем обнаружения заимствований в методологии Больших Данных // Фундаментальные основы инновационного развития науки и образования: монография / под ред. Г.Ю. Гуляева. Пенза: Наука и Просвещение, 2017. С. 55–73.
  7. Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения. М.: Высшая школа, 2007. 491 с.
  8. Боев В.Д. Концептуальное проектирование систем в Anylogic 7 и GPSS World. M.: НОИ Интуит, 2016. 556 с. ISBN: 978-5-9556-0161-8.
  9. Shishkin Y.E. Big Data visualization in decision making // Science in Progress: тез. Всерос. науч.-практ. конф. магистрантов и аспирантов. Новосибирск 20 октября 2016 г. Новосибирск: НГТУ, 2016. C. 203–205.
  10. The International Thermodynamic Equation of Seawater 2010 (TEOS-10): Calculation and Use of Thermodynamic Properties / T.J. Mcdougall, Rainer Feistel, F.J. Millero [et al]. Intergovernmental Oceanographic Commission IOC of Unesco, March 2010. 218 pp.
  11. Девятков В.В. Методология и технология имитационных исследований сложных систем: современное состояние и перспективы развития: монография. СПб.: Вузовский учебник, 2013. 448 с.

Loading