Anomaly detection under cost constraint

Bruno Barbarioli

Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/ICED-ALYJS7

Full metadata record

DC Field	Value	Language
dc.contributor.advisor1	Renato Martins Assuncao	pt_BR
dc.contributor.referee1	Marcos Oliveira Prates	pt_BR
dc.contributor.referee2	Marcelo Azevedo Costa	pt_BR
dc.creator	Bruno Barbarioli	pt_BR
dc.date.accessioned	2019-08-13T11:53:04Z	-
dc.date.available	2019-08-13T11:53:04Z	-
dc.date.issued	2017-02-15	pt_BR
dc.identifier.uri	http://hdl.handle.net/1843/ICED-ALYJS7	-
dc.description.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.	pt_BR
dc.language	Inglês	pt_BR
dc.publisher	Universidade Federal de Minas Gerais	pt_BR
dc.publisher.initials	UFMG	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Detecção de fraudes	pt_BR
dc.subject	Detecção de anomalias	pt_BR
dc.subject	Aprendizado de Máquina	pt_BR
dc.subject	Classificação	pt_BR
dc.subject	Mineração de Dados	pt_BR
dc.subject.other	Fraude na Internet	pt_BR
dc.subject.other	Estatística	pt_BR
dc.subject.other	Detecção de anomalias (Computação)	pt_BR
dc.subject.other	Estatistica	pt_BR
dc.subject.other	Aprendizado de máquina	pt_BR
dc.subject.other	Mineração de dados (Computação)	pt_BR
dc.title	Anomaly detection under cost constraint	pt_BR
dc.type	Dissertação de Mestrado	pt_BR
Appears in Collections:	Dissertações de Mestrado

Files in This Item:

File	Description	Size	Format
dissertacao.pdf		1.25 MB	Adobe PDF	View/Open

Show simple item record