Anomaly detection via iterative jackknife scenario based on data dimension reduction technique - JACkerDIM
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Edebiyat Fakültesi, İstatistik Bölümü, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: İngilizce
Öğrenci: ERDEM GÜNGÖR
Danışman: Ceylan Yozgatlıgil
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Veriye dayalı karar verme politikalarının geliştirilmesinin önemiyle birlikte, veri setlerinin güvenilirliği ve tutarlılığı kapsamlı bir araştırma için büyük önem taşımaktadır. Bu veri setlerini değerli bir ürüne dönüştürmek için veri ön işleme, verileri analize hazırlamanın ilk adımıdır. Bu çalışmada, verileri temizlemek için yeni bir anomali tespit yöntemi geliştirmeyi amaçlıyoruz. Önerilen anomali tespit yöntemi, Birini Bırak (LOO) senaryosu sağlayan Jackknife (JA) yöntemine dayanmaktadır. Bu strateji, her bir veri örneğini veriden çıkararak veri setini n (veri örneği sayısı) kez yeniden örneklememizi sağlar. İkinci adımda, yüksek boyutluluk ve çoklu doğrusallık sorununun üstesinden gelmek için Temel Bileşen Analizi (PCA) uygulanmaktadır. Son adımda, çalışma yönteminin parametrelerinin dahil edildiği Hareketli Anomali Tespit Aralığı (MADRI) adı verilen Kutu Çizimi aykırı değer tespit aralığına dayalı bir aralık öneriyoruz. Bu stratejiler aracılığıyla, özellikler arasında ilişki olasılığını göz önünde bulundurarak veri noktalarının aykırılığını değerlendirmeyi amaçlıyoruz. Bu çalışma, aykırı değerleri tespit etmek için LOO, PCA ve MADRI yöntemlerini kapsayan ilk çalışma olarak literatüre katkıda bulunmaktadır. Önerilen yöntem, simülasyonlar aracılığıyla iyi bilinen anomali tespit yöntemlerine karşı test edilmiştir. Test edilen 29 veri seti arasında, yöntemimiz aykırı değerleri tespit etmede tutarlı bir etkinlik ortaya koymaktadır. Ayrıca, yöntemimiz Pen Digits, Letter Recognition, Waveform Database ve NSL-KDD veri setleri için yüksek doğruluk oranları ile en önemli gelişmeyi göstermektedir.