Readspeaker Menü

Masterarbeit zur Anomalieerkennung in hochrangigem Journal publiziert

Detecting Regions of Maximal Divergence for Spatio-Temporal Anomaly Detection

Was haben Hurricanes, Herz-Rhythmus-Störungen, Kreditkartenbetrug und Plagiarismus gemeinsam? All diese Ereignisse und Vorgänge sind Anomalien, sie entsprechen nicht dem üblichen Muster und den Regelmäßigkeiten, die dem Großteil der Daten zugrundeliegen. Einerseits können solche Anomalien daher störenden Einfluss auf Verfahren der Mustererkennung nehmen, da sie von den regelmäßigen Daten ablenken, andererseits können durch die Analyse von Anomalien aber auch neue Einsichten erschlossen werden. Für die Klimaforschung beispielsweise sind gerade die extremen oder ungewöhnlichen Wetterereignisse von Interesse, um neue Erkenntnisse über globale klimatische Zusammenhänge zu gewinnen und den Zustand unseres Planeten zu beobachten. Dergleichen gibt es viele Anwendungsszenarien, in denen ausschließlich die ungewöhnlichen Ereignisse relevant sind: die Auffälligkeiten in einem Elektrokardiogramm, dubiose Geldtransfers, oder auch stilistisch aus dem Rahmen fallende und daher möglicherweise plagiierte Textabschnitte.

Maximally Divergent Intervals for Anomaly DetectionWissenschaftler des Lehrstuhls für Digitale Bildverarbeitung an der Friedrich-Schiller-Universität Jena haben nun eine Methode entwickelt, die solche Anomalien in Daten verschiedenster Art erkennen kann. Der Algorithmus namens "Maximally Divergent Intervals (MDI)" sucht dabei nach Abschnitten in über die Zeit hinweg erfassten Daten, deren statistische Verteilung stark von den restlichen Daten abweicht. Ein Alleinstellungsmerkmal des Verfahrens ist unter anderem, dass es unüberwacht arbeitet und nicht zuvor auf regelmäßigen Daten trainiert werden muss. Ferner kann es auch mit Daten umgehen, die neben der zeitlichen auch noch räumliche Dimensionen aufweisen sowie aus Messungen mehrerer verschiedener Variablen wie etwa Wellenhöhe, Windgeschwindigkeit und Luftdruck zusammengesetzt sind.

Den Forschern gelang es mithilfe dieses Verfahrens unter anderem, in einer halben Million meteorologischer Messungen die wesentlichen großen Nordseestürme der vergangenen 50 Jahre ausfindig zu machen, ungewöhnliche Aktivitäten in Videos zu erkennen sowie außerdem stilistisch aus dem Rahmen fallende Abschnitte in natürlichsprachlichen Texten zu finden. Die Theorie hinter dem Verfahren und die Ergebnisse dieser Arbeit wurden nun im renommiertesten Wissenschaftsmagazin auf dem Gebiet der Mustererkennung, den IEEE Transactions on Pattern Analysis and Machine Intelligence, veröffentlicht.

Masterarbeit bildete die Grundlage

The idea behind the MDI algorithm has originally been developed in the group BACI (Biosphere-Atmosphere Change Index) by the postdoc researchers Dr. Erik Rodner and Dr. Yanira Guanche Garcia from the Computer Vision Group Jena directed by Prof. Dr. Joachim Denzler. This research was part of the group's work on the detection of extreme weather events in climate data. The actual research and development leading to the final algorithm was then done by Björn Barz, at that time a master student and now a Ph.D. student at the Computer Vision Group. In his master's thesis he developed the essential theory and components without which the MDI algorithm could not be applied efficiently and effectively in real application scenarios. It is a rare exception that a master's thesis results in a publication in such a high-ranking journal as TPAMI.

Original-Publikation

B. Barz, E. Rodner, Y. Guanche Garcia, J. Denzler.
"Detecting Regions of Maximal Divergence for Spatio-Temporal Anomaly Detection."
IEEE Transactions on Pattern Analysis and Machine Intelligence, 2018.
DOI: 10.1109/TPAMI.2018.2823766
Available online as Open Access publication

vorherige | nächste