A study on probabilistic prediction of network traffic using adaptive quantile regression

基于自适应分位数回归的网络流量概率预测研究

• 批准号: 19700261
• 负责人: TAKEUCHI Ichiro
• 金额: $ 1.38万
• 依托单位: Nagoya Institute of Technology (2008-2009)Mie University (2007)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2007
• 资助国家: 日本
• 起止时间: 2007 至 2009
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-19700261/
• 关键词: データマイニング; 機械学習; 異常値検出; 分位点回帰分析; 統計的機械学習; パラメトリック計画法; 凸最適化; 適応的アルゴリズム; 異常検出; 統計モデル; 適応推定; コンピュータネットワーク; 位置尺度モデル; 多層パーセプトロン; 線形計画法; カーネル法

We developed an adaptive algorithm quantile regression algorithm for detecting the anomaly in computer network traffic. We demonstrated the effectiveness of the algorithm by applying it to various practical problems.

我们开发了一种自适应算法分位数回归算法来检测计算机网络流量的异常。我们通过将其应用于各种实际问题来证明该算法的有效性。

项目成果

Multi-directional search from the primitive initial point for Gaussian mixture estimation using variational Bayes method

• DOI: 10.1016/j.neunet.2009.08.003
• 发表时间: 2010-04
• 期刊: Neural networks : the official journal of the International Neural Network Society
• 作者: Yuta Ishikawa;I. Takeuchi;R. Nakano

Nonparametric Conditional Density Estimation Using Piecewise-Linear Solution Path of Kernel Quantile Regression

• DOI: 10.1162/neco.2008.10-07-628
• 发表时间: 2009-02
• 期刊: Neural Computation
• 影响因子: 2.9
• 作者: I. Takeuchi;K. Nomura;T. Kanamori

Efficient leave-m-out cross-validation of support vector regression by generalizing decremantal algorithm

通过推广递减算法对支持向量回归进行高效的leave-m-out交叉验证

• 发表时间: 2009
• 期刊: New Generation Computing vol.27,no.4
• 作者: M. Karasuyama;I. Takeuchi;R. Nakano
• 通讯作者: R. Nakano

The potential of copy number gains and losses, detected by array-based comparative genomic hybridization, for computational differential diagnosis of B-cell lymphomas and genetic regions involved in lymphomagenesis

通过基于阵列的比较基因组杂交检测拷贝数增加和丢失的潜力，用于 B 细胞淋巴瘤和参与淋巴瘤发生的遗传区域的计算鉴别诊断

• 发表时间: 2009
• 期刊: Haematologica 94
• 作者: Takeuchi;I.;Tagawa;H. Seto;M.;他4名;Last Author
• 通讯作者: Last Author

Multiple Incremental Decremental Learning of Support Vector Machines

• DOI: 10.1109/tnn.2010.2048039
• 发表时间: 2010-07-01
• 期刊: IEEE TRANSACTIONS ON NEURAL NETWORKS
• 作者: Karasuyama, Masayuki;Takeuchi, Ichiro
• 通讯作者: Takeuchi, Ichiro