Use este identificador para citar o ir al link de este elemento:
http://hdl.handle.net/1843/ICED-ALYJS7| Tipo: | Dissertação de Mestrado |
| Título: | Anomaly detection under cost constraint |
| Autor(es): | Bruno Barbarioli |
| primer Tutor: | Renato Martins Assuncao |
| primer miembro del tribunal : | Marcos Oliveira Prates |
| Segundo miembro del tribunal: | Marcelo Azevedo Costa |
| Resumen: | A detecção de anomalias é usualmente utilizada em análise de fraudes. Entretanto, restrições de orçamento podem tornar o processo impraticável quando um número grande anomalias é identificada. O presente trabalho propõe um método para selecionar casos probabilisticamente baseado no seus impactos, mas garantindo que a discrepância relativa entre os valores observados e os valores esperados seja levada em consideração. Ele usa uma modificação do False Discovery Rate step-up procedure para melhorar a precisão e garantir a escalabilidade. Aplica-se então o método proposto à um projeto destinado a monitorar o sistema de pagamentos do serviço de saúde público brasileiro a fim de encontrar comportamentos fraudulentos. |
| Asunto: | Fraude na Internet Estatística Detecção de anomalias (Computação) Estatistica Aprendizado de máquina Mineração de dados (Computação) |
| Idioma: | Inglês |
| Editor: | Universidade Federal de Minas Gerais |
| Sigla da Institución: | UFMG |
| Tipo de acceso: | Acesso Aberto |
| URI: | http://hdl.handle.net/1843/ICED-ALYJS7 |
| Fecha del documento: | 15-feb-2017 |
| Aparece en las colecciones: | Dissertações de Mestrado |
archivos asociados a este elemento:
| archivo | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| dissertacao.pdf | 1.25 MB | Adobe PDF | Visualizar/Abrir |
Los elementos en el repositorio están protegidos por copyright, con todos los derechos reservados, salvo cuando es indicado lo contrario.