@techreport{oai:ipsj.ixsq.nii.ac.jp:00061913,
 author = {荒木, 英人 and 村川, 正宏 and 小林, 匠 and 樋口, 哲也 and 久保田, 一 and 大津, 展之 and Hidehito, Araki and Masahiro, Murakawa and Takumi, Kobayashi and Tetsuya, Higuchi and Hajime, Kubota and Nobuyuki, Otsu},
 issue = {19(2009-MPS-73)},
 month = {Feb},
 note = {多チャンネルの時系列データからの異常検知は，時系列データ源の状態や変化を検知する上で重要である．そこで我々は多チャンネルの時系列データから高次局所相関に基づいた特徴量を抽出し，抽出した特徴量より異常の検知を行う．普段頻繁に得られるデータを正常パターンとして，主成分分析を行うことでそのパターンの成す正常部分空間を抽出する．得られた空間からの逸脱度を異常値として定義し，この値の多寡で異常を検知する．本手法の性能評価のため，心電図データを対象として，異常検知性能の評価量にＦ値を用い，従来手法と比較した．その結果，提案手法の優位性を示すことができた．, Abnormality detection in multi-channel time-series data is important for detecting and understanding changes of states in the source of the data. We propose a method for automatically detecting abnormality by using correlation-based features of multi-channel time-series data. In general, the feature vectors for normal patterns, which occur frequently in time-series, form the low-dimensional subspace in the feature space. The proposed method exploit the subspace by PCA and defines the abnormality as deviation from the subspace. In the experiment of abnormality detection in electrocardiogram, the proposed method outperformed conventional methods in terms of F-measure.},
 title = {時系列データからの汎用的異常検知手法の提案とその性能評価},
 year = {2009}
}