Το αντικείμενο μελέτης αυτής της εργασίας είναι οι αλγόριθμοι αναζήτησης α-
κραίων και ανώμαλων τιμών. Μετά από μια εισαγωγική συζήτηση για τα κίνητρα
ανάπτυξης τέτοιων αλγοριθμών εξετάζονται οι κυριότερες κατηγορίες αυτών: Οι
πιθανοκρατικές, οι μηχανές διανυσματικής υποστήριξης, οι βασισμένες στους αλ-
γορίθμους k − nn, όσες αναφέρονται σε κάποια έννοια πυκνότητας, και οι αυτοκω-
δικοποιητές. Αναφορά επίσης γίνεται και σε μεθόδους συνδυασμού των αποτελε-
σμάτων διαφόρων αλγορίθμων. Τέλος, συμπεριλαμβάνεται και πειραματικό σκέλος
στο οποίο οι αλγόριθμοι που μελετήθηκαν εφαρμόζονται σε μια σειρά από σύνολα
δεδομένων.
This thesis studies the outlier and anomaly detection algorithms. After an
introductory discussion on the motivations of developing such algorithms, we
proceed to examine their main categories: Probabilistic algorithms, support
vector machines, methods based on k − nn algorithms, methods that refer to
some notion of density and autoencoders. We also study ensemble methods to
combine the results of different algorithms. Finally, all the methods are applied
to several datasets.
Αλγόριθμοι Αναζήτησης Ακραίων τιμών