Anomaly Detection for a Large Number of Streams: A Permutation-Based Higher Criticism Approach
大量数据流的异常检测：基于置换的高批评统计量方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要围绕通用高维异常检测与置换检验展开，未明确给出经济时间序列、金融风险或其他所列细分领域的研究对象。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
大量数据流的异常检测：基于置换的高批评统计量方法
- 研究问题
- 面对大量数据流，如何在未知零假设分布、避免严格参数建模的情况下校准异常检测，并保持对稀疏异常的检测能力？
- 方法与思路
- 作者采用非参数思路，通过置换构造高批评统计量变体，不要求预先知道零假设分布，并提供实践应用建议。
- 材料陈述的贡献
- 摘要称检验具有有限样本精确性，在广泛的指数模型中渐近最优，且所考察有限样本中的功效损失相对预言检验较小。
- 阅读关注点
- 应核对置换有效性的条件、异常配置与渐近最优性的模型范围，以及与预言检验和其他高批评检验比较时的设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；置换条件与具体功效结果未说明，不能推断刊本变化或任意依赖下的有效性。
原文摘要
Anomaly detection when observing a large number of data streams is essential in a variety of applications, ranging from epidemiological studies to monitoring of complex systems. High-dimensional scenarios are usually tackled with scan-statistics and related methods, requiring stringent modeling assumptions for proper calibration. In this work we take a nonparametric stance, and propose a permutation-based variant of the higher criticism statistic not requiring knowledge of the null distribution. This results in an exact test in finite samples which is asymptotically optimal in the wide class of exponential models. We demonstrate the power loss in finite samples is minimal with respect to the oracle test. Furthermore, since the proposed statistic does not rely on asymptotic approximations it typically performs better than popular variants of higher criticism that rely on such approximations. We include recommendations such that the test can be readily applied in practice, and demonstrate its applicability in monitoring the content uniformity of an active ingredient for a batch-produced drug product. Supplementary materials for this article are available online.