|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ПсковГУ |
||
Comparison of Anomaly Detection Algorithms Based on Machine Learning and Spectral Analysis Methodsстатья
Статья опубликована в журнале из списка RSCI Web of Science
Информация о цитировании статьи получена из
Scopus
Статья опубликована в журнале из перечня ВАК
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 23 января 2026 г.
- Авторы: Makeev D.A., Karavaeva K.E., Fadeeva P.A., Shapkina N.E., Golubtsov P.V., Chulichkov A.I.
- Журнал: Pattern Recognition and Image Analysis: Advances in Mathematical Theory and Applications
- Том: 35
- Номер: 3
- Год издания: 2025
- Издательство: Pleiades Publishing, Ltd
- Местоположение издательства: Road Town, United Kingdom
- Первая страница: 510
- Последняя страница: 520
- DOI: 10.1134/s1054661825700361
- Аннотация: This work provides a comparative analysis of the anomaly detection methods in time series based on machine learning and spectral analysis. Four approaches are considered: the K-nearest neighbors, the singularspectrum analysis, and prediction by means of two models, exponential and linear regression. The methods are tested on synthetic time series imitating data with an addition of artificial anomalies. The efficiency of the algorithms is evaluated by the Precision, Recall, and F1-score metrics. The results of research demonstrate the advantages and limitations of each method in different scenarios of time series analysis.
- Добавил в систему: Чуличков Алексей Иванович