Since only data of normal behavior

Since only data of normal behavior are collected, the model (a classifier) can be built with only positive examples. The key for this behavior modeling is to determine the boundaries of all clusters. Once the boundaries are properly determined, we can have a model to detect anomalies. In Fig. 9, point A is outside the boundary of either one of the four clusters. So it is viewed as an anomaly. In our experiments, the boundary of a cluster was set to the maximal distance from all member points to the cluster center.

Kết quả (Việt) 1:

Kể từ khi chỉ có dữ liệu hành vi bình thường được thu thập, mô hình (một loại) có thể được xây dựng với các ví dụ chỉ tích cực. Điều quan trọng để làm mô hình hành vi này là để xác định ranh giới của tất cả cụm. Một khi các biên giới được xác định đúng, chúng tôi có thể có một mô hình để phát hiện dị thường. Trong hình 9, điểm A là bên ngoài ranh giới của hoặc là một trong bốn cụm. Do đó, nó được xem như là một bất thường. Trong các thí nghiệm của chúng tôi, ranh giới của một cụm đã được thiết lập để tối đa khoảng cách từ tất cả các điểm thành viên đến Trung tâm cụm sao.

Kết quả (Việt) 2:

Vì chỉ có dữ liệu về hành vi bình thường được thu thập, các mô hình (một phân loại) có thể được xây dựng với chỉ ví dụ tích cực. Chìa khóa để mô hình hóa hành vi này là để xác định ranh giới của tất cả các cụm. Khi ranh giới được xác định phù hợp, chúng ta có thể có một mô hình để phát hiện dị thường. Trong hình. 9, điểm A nằm ngoài ranh giới của một trong hai trong bốn cụm. Vì vậy, nó được xem như là một sự bất thường. Trong thí nghiệm của chúng tôi, các ranh giới của một cụm đã được thiết lập với khoảng cách tối đa từ tất cả các điểm thành viên đến trung tâm cụm.