## Memo [[データマイニングによる異常検知]]より。 - オフラインの[[変化点検出]]手法。 ## Abstract ここ数年、時間的に変化する現象を監視するセンサーによって生成された時系列データから興味深いパターンを抽出するためのデータマイニング技術への関心が高まっている。多くの研究は、生データを何らかの方法で処理して一連のイベントを生成し、そこから興味深いエピソードを掘り起こすことを想定している。場合によっては、センサーの読み取りがいつイベントを発生させるべきかを決定するルールがよく知られていることがある。しかし、現象が理解されていない場合、そのようなルールを示すことは困難である。このような環境におけるイベントの検出が、本論文の焦点である。例えば、ある動的な現象が、時間の経過とともに定性的に大きく変化する場合を考える。このとき、挙動が変化する時点を特定することが問題である。統計学の文献では、これは変化点検出問題と呼ばれている。標準的なアプローチは、（a）発見されるべき変化点の数をアップリオリに決定し、（b）連続する変化点の間の区間で曲線フィッティングに使用する関数を決定することであった。本論文では、この2つの次元を一般化する。我々は、時間セグメントにモデルをフィットさせる反復アルゴリズムを提案し、セグメントをさらに分割すべきかどうか、すなわち、新しい変化点を含むかどうかを決定するために尤度基準を用いる。本論文では、この問題のバッチ版とインクリメンタル版の両方のアルゴリズムを提示し、合成データと実データを用いてその動作を評価する。最後に、バッチアルゴリズムで検出された変化点と、人が目視で検出した変化点とを比較した初期結果を提示する。 ## 1. Introduction