## Memo ## Abstract 現在の[[クラスタリング]]に基づく[[異常検知]]手法の多くは、スコアリングスキーマと閾値を使用して異常を分類している。これらの手法は、多くの場合、「既知の」クラスタ数を持つ特定のデータセットを対象とするように調整されています。本論文では、確率的な異常検出とクラスタリングを同時に行いながら、異常スコアに厳密な任意の閾値やクラスタ数の知識を必要としないストリーミングクラスタリングと異常検出アルゴリズムを提供する。これにより、クラスタ形成が異常データの存在に影響されないことを保証し、「正常と異常」の挙動をより確実に定義することにつながる。INCADモデル[17]の開発動機と、ストリーミングモデルに至る道筋を説明する。 [[2019__ICCS__Integrated Clustering and Anomaly Detection (INCAD) for Streaming Data__translations]]