SCAN: 다중 규모 이웃 중심 클러스터링으로 시계열 이상 감지 강화

출처: arXiv - 2606.19255v1

개요

시계열 이상치 탐지는 다양한 실제 응용 분야에서 핵심적인 역할을 합니다. 재구성 기반 방법은 주류 패러다임이 되었지만, 과도 일반화와 부족 일반화 문제를 겪어 균형을 맞추는 것이 어렵습니다. 이 문제를 해결하기 위해 우리는 재구성 기반 방법을 강화하는 다중 규모 클러스터링을 도입합니다. 표현 수준에서는 정상 패턴의 클러스터 중심 표현을 통합하여 모델이 재구성에 대표적인 정상 패턴에 집중하도록 제약하고, 강력한 용량과 표현 능력이 과도하게 우세해지는 것을 방지합니다. 이상치 판단 수준에서는 클러스터 멤버십 확률을 기반으로 이상치 신뢰 점수를 유도하고, 이를 재구성 오류와 결합하여 탐지에 두 가지 기준을 제공합니다. 또한, 클러스터 중심 표현과 이상치 신뢰 점수의 효과는 클러스터링 성능에 달려 있습니다. 따라서 우리는 이웃 중심 표현을 추출하여 다중 뷰 클러스터링을 수행하고 클러스터링 성능을 향상시킵니다. 다양한 실제 데이터셋과 다양한 응용 분야에서 수행된 광범위한 실험은 SCAN의 최첨단 성능을 입증합니다.

주요 공헌

본 논문은 다음 분야를 연구합니다:

• cs.LG

방법론

자세한 방법은 전체 논문을 참고하십시오.

실무적 함의

본 연구는 cs.LG의 발전에 기여합니다.

저자

• Xingze Zheng
• Hanyin Cheng
• Siyuan Wang
• Yiting Hao
• Peng Chen
• Yuan Jun
• Yang Shu

논문 정보

• arXiv ID: 2606.19255v1
• 카테고리: cs.LG
• 발행일: 2026년 6월 17일
• PDF: PDF 다운로드