Die Erkennung von Anomalien in Echtzeit bei massiven Datenströmen ist heutzutage eines der wichtigsten Forschungsthemen, da die meisten Daten weltweit in kontinuierlichen zeitlichen Prozessen erzeugt werden. Es geht um verschiedene Probleme in vielen Bereichen wie Gesundheit, Bildung, Finanzen, Regierung usw. In dieser Arbeit schlagen wir eine Verbesserung dieses Ansatzes vor, der in HW- und TDHW-Vorhersagemodelle implementiert wird. Der Genetische Algorithmus (GA) wird zur regelmäßigen Optimierung der HW- und TDHW-Glättungsparameter zusätzlich zu den beiden Gleitfensterparametern...
Die Erkennung von Anomalien in Echtzeit bei massiven Datenströmen ist heutzutage eines der wichtigsten Forschungsthemen, da die meisten Daten weltwei...
La détection d'anomalies en temps réel dans des flux de données massifs est l'un des principaux sujets de recherche actuels, car la plupart des données dans le monde sont générées dans des processus temporels continus. Elle répond à divers problèmes dans de nombreux domaines tels que la santé, l'éducation, la finance, le gouvernement, etc. Dans ce travail, nous proposons une amélioration de cette approche mise en oeuvre dans les modèles de prévision HW et TDHW. L'Algorithme Génétique (AG) est appliqué pour optimiser périodiquement les paramètres de lissage HW et TDHW en...
La détection d'anomalies en temps réel dans des flux de données massifs est l'un des principaux sujets de recherche actuels, car la plupart des don...
