Novelty detection via linear adaptive filters

Matouš Cejnek

Detekce novosti pomocí lineárních adaptivních filtrů

Type of document

disertační práce
doctoral thesis

Author

Matouš Cejnek

Supervisor

Bukovský Ivo

Opponent

Kordík Pavel

Field of study

Technická kybernetika

Study program

Strojní inženýrství

Institutions assigning rank

ústav přístrojové a řídící techniky

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

Novelty detection is an important signal processing task. This task is essential for many industry, and biomedical applications. This thesis is presenting research on the topic of novelty detection utilizing parameters of linear adaptive filters. A new method of adaptive novelty detection is presented in this thesis - Error and Learning Based Novelty Detection. The goal of this thesis is to present the new method as a viable tool for online unsupervised novelty detection in non-stationary and drifted data. The method is supported with various experimental evidence collected from multiple studies. These studies cover multiple traditional applications like system change point detection and outlier detection. The results are obtained from experiments with real and synthetic data.

Detekce novosti je důležitá část zpracování signálů a je esenciální pro různé průmyslové a bioinženýrské aplikace. Tato disertace prezentuje výzkum metod detekce novosti využívající parametry adaptivních filtrů. V této práci je popsána nová methoda adaptivní detekce novosti nazvaná Error and Learning Based Novelty Detection. Cílem této práce je popsat tuto novou metodu jako užitečný nástroj pro online detekci novosti pro data, která jsou nestacionární nebo obsahují drift. Studie podporující užitečnost této metody jsou představeny v této práci. Tyto studie pokrývají různé oblasti tradičního zpracování signálů, například: detekce změny chování systému a detekce anomálií. Experimentální výsledky těchto studií jsou získány na reálných i syntetických datech.