[Back]

M. Wastian:
"Abnormal Event Detection by Using Data Mining and Machine Learning Methods: Modelling Normality and Anomalies";
Supervisor: F. Breitenecker; Institut für Analysis und Scientific Computing, 2014; final examination: 2014-02-09.

This diploma thesis will discuss several approaches to detect unusual
and extraordinary events, which we consider to be worth a separate
and specialised further investigation, in a time series of frequently
collected data as early as possible and - wherever applicable - to even predict them. We rise to this task, which will be introduced together with some di erent scopes of application in a more detailed way in the opening chapter, using various methods originating in the eld of data mining, machine learning and soft computing in a hybrid manner. Following a short and basic introduction to time series including several statistical prediction models, I will delimit and discuss these terms in general, before I will focus on the modular parts of the proposed methodology. After the presentation of some algorithms to detect outliers and novelties, the results of the simulation gained in the project this work was part of are put up for discussion. The text ends with some prospects of possible extensions and enhancements as well as future research work.

In der vorliegenden Diplomarbeit werden unterschiedliche Ansätze
diskutiert, um ungewöhnliche und außerordentliche Ereignisse, für die
man eine separate und spezialisierte Betrachtung als wünschenswert
erachtet, anhand in Form einer Zeitreihe regelmäßig mitprotokollierter
Daten möglichst frühzeitig zu detektieren und bei entsprechender
Möglichkeit sogar vorherzusagen. Dieser Problemstellung, die in einem
einleitenden Kapitel zusammen mit unterschiedlichen Anwendungsbereichen,
in denen ebendiese auftritt, etwas ausführlicher vorgestellt
wird, wird mittels einiger Methoden aus dem Bereich des Data Mining,
des Machine Learning und des Soft Computing hybrid begegnet.
Nach einer kurzen Grundlageneinführung zu Zeitreihen mitsamt den
zugehörigen statistischen Vorhersagemodellen werden die erwähnten
Begriffe näher abgesteckt, bevor der Fokus auf die einzelnen Teilmethoden
gelegt wird. Auf eine Vorstellung von Werkzeugen zur Ausreißer bzw.
Novumserkennung folgt eine abschließende Diskussion der Simulationsergebnisse,
die im Rahmen jenes Projekts erzielt wurden, in
Zuge dessen diese Arbeit entstand. Der Text endet mit einem Ausblick
auf mögliche Modellerweiterungen und zukünftige Arbeiten.

Time Series Prediction, Soft Computing, Data Mining, Machine Learning, Artificial Neural Networks, Fuzzy Logic, Server Outage Detection

http://publik.tuwien.ac.at/files/PubDat_234980.pdf