Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/ICED-ALYJS7| Tipo: | Dissertação de Mestrado |
| Título: | Anomaly detection under cost constraint |
| Autor(es): | Bruno Barbarioli |
| Primeiro Orientador: | Renato Martins Assuncao |
| Primeiro membro da banca : | Marcos Oliveira Prates |
| Segundo membro da banca: | Marcelo Azevedo Costa |
| Resumo: | 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. |
| Assunto: | 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 Instituição: | UFMG |
| Tipo de Acesso: | Acesso Aberto |
| URI: | http://hdl.handle.net/1843/ICED-ALYJS7 |
| Data do documento: | 15-Fev-2017 |
| Aparece nas coleções: | Dissertações de Mestrado |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| dissertacao.pdf | 1.25 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.