Detección de anomalías (Spanish Wikipedia)

Analysis of information sources in references of the Wikipedia article "Detección de anomalías" in Spanish language version.

refsWebsite

Global rank Spanish rank

30doi.org

2^nd place

4issn.org

57^th place

3^rd place

3web.archive.org

1^st place

3psu.edu

207^th place

808^th place

2lmu.de

low place

2researchgate.net

120^th place

124^th place

1archive.org

6^th place

5^th place

1dtic.mil

833^rd place

1,995^th place

1unc.edu

1,538^th place

1,360^th place

1byu.edu

1,687^th place

2,384^th place

1sdu.dk

9,605^th place

7,150^th place

1computer.org

5,196^th place

8,255^th place

1inesctec.pt

low place

1semanticscholar.org

11^th place

79^th place

1nih.gov

4^th place

1wiley.com

222^nd place

135^th place

1usp.br

2,069^th place

2,401^st place

1wolfram.com

513^th place

300^th place

archive.org

Barnett, Vic; Lewis, Lewis (1978). Outliers in statistical data. John Wiley & Sons Ltd.

byu.edu

axon.cs.byu.edu

Smith, M. R.; Martinez, T. (2011). «Improving classification accuracy by identifying and removing instances that should be misclassified». The 2011 International Joint Conference on Neural Networks. p. 2690. ISBN 978-1-4244-9635-8. doi:10.1109/IJCNN.2011.6033571.

computer.org

Liu, Fei Tony; Ting, Kai Ming; Zhou, Zhi-Hua (Diciembre 2008). Isolation Forest. 2008 Eighth IEEE International Conference on Data Mining (en inglés). pp. 413-422. ISBN 9780769535029. doi:10.1109/ICDM.2008.17.

doi.org

dx.doi.org

Chandola, V.; Banerjee, A.; Kumar, V. (2009). «Anomaly detection: A survey». ACM Computing Surveys 41 (3): 1-58. doi:10.1145/1541880.1541882.
Denning, D. E. (1987). «An Intrusion-Detection Model». IEEE Transactions on Software Engineering. SE-13 (2): 222-232. doi:10.1109/TSE.1987.232894. Archivado desde el original el 22 de junio de 2015.
Teng, H. S.; Chen, K.; Lu, S. C. (1990). Adaptive real-time anomaly detection using inductively generated sequential patterns. Proceedings of the IEEE Computer Society Symposium on Research in Security and Privacy. pp. 278-284. ISBN 978-0-8186-2060-7. doi:10.1109/RISP.1990.63857.
Tomek, Ivan (1976). «An Experiment with the Edited Nearest-Neighbor Rule». IEEE Systems, Man, and Cybernetics Society|IEEE Transactions on Systems, Man, and Cybernetics 6 (6): 448-452. doi:10.1109/TSMC.1976.4309523.
Smith, M. R.; Martinez, T. (2011). «Improving classification accuracy by identifying and removing instances that should be misclassified». The 2011 International Joint Conference on Neural Networks. p. 2690. ISBN 978-1-4244-9635-8. doi:10.1109/IJCNN.2011.6033571.
Zimek, Arthur; Filzmoser, Peter (2018). «There and back again: Outlier detection between statistical reasoning and data mining algorithms». Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 8 (6): e1280. ISSN 1942-4787. doi:10.1002/widm.1280. Archivado desde el original el 14 de noviembre de 2021. Consultado el 7 de julio de 2023.
Knorr, E. M.; Ng, R. T.; Tucakov, V. (2000). «Distance-based outliers: Algorithms and applications». The VLDB Journal the International Journal on Very Large Data Bases 8 (3–4): 237-253. doi:10.1007/s007780050006.
Ramaswamy, S.; Rastogi, R.; Shim, K. (2000). «Efficient algorithms for mining outliers from large data sets». Proceedings of the 2000 ACM SIGMOD international conference on Management of data – SIGMOD '00: 427. ISBN 1-58113-217-4. doi:10.1145/342009.335437.
Angiulli, F.; Pizzuti, C. (2002). «Fast Outlier Detection in High Dimensional Spaces». Principles of Data Mining and Knowledge Discovery. Lecture Notes in Computer Science 2431 (978-3-540-44037-6): 15. doi:10.1007/3-540-45681-3_2.
Breunig, M. M.; Kriegel, H.-P.; Ng, R. T.; Sander, J. (2000). «LOF: Identifying Density-based Local Outliers». Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data. SIGMOD: 93-104. ISBN 1-58113-217-4. doi:10.1145/335191.335388.
Liu, Fei Tony; Ting, Kai Ming; Zhou, Zhi-Hua (Diciembre 2008). Isolation Forest. 2008 Eighth IEEE International Conference on Data Mining (en inglés). pp. 413-422. ISBN 9780769535029. doi:10.1109/ICDM.2008.17.
Liu, Fei Tony; Ting, Kai Ming; Zhou, Zhi-Hua (Marzo 2012). «Isolation-Based Anomaly Detection». ACM Transactions on Knowledge Discovery from Data (en inglés) 6 (1): 1-39. doi:10.1145/2133360.2133363.
Schubert, E.; Zimek, A.; Kriegel, H. -P. (2012). «Local outlier detection reconsidered: A generalized view on locality with applications to spatial, video, and network outlier detection». Data Mining and Knowledge Discovery 28: 190-237. doi:10.1007/s10618-012-0300-z.
Kriegel, H. P.; Kröger, P.; Schubert, E.; Zimek, A. (2009). «Outlier Detection in Axis-Parallel Subspaces of High Dimensional Data». Advances in Knowledge Discovery and Data Mining. Lecture Notes in Computer Science 5476: 831. ISBN 978-3-642-01306-5. doi:10.1007/978-3-642-01307-2_86.
Kriegel, H. P.; Kroger, P.; Schubert, E.; Zimek, A. (2012). «Outlier Detection in Arbitrarily Oriented Subspaces». 2012 IEEE 12th International Conference on Data Mining: 379. ISBN 978-1-4673-4649-8. doi:10.1109/ICDM.2012.21.
Fanaee-T, H.; Gama, J. (2016). «Tensor-based anomaly detection: An interdisciplinary survey». Knowledge-Based Systems 98: 130-147. doi:10.1016/j.knosys.2016.01.027.
Zimek, A.; Schubert, E.; Kriegel, H.-P. (2012). «A survey on unsupervised outlier detection in high-dimensional numerical data». Statistical Analysis and Data Mining 5 (5): 363-387. doi:10.1002/sam.11161.
Schölkopf, B.; Platt, J. C.; Shawe-Taylor, J.; Smola, A. J.; Williamson, R. C. (2001). «Estimating the Support of a High-Dimensional Distribution». Neural Computation 13 (7): 1443-71. PMID 11440593. doi:10.1162/089976601750264965.
Hawkins, Simon; He, Hongxing; Williams, Graham; Baxter, Rohan (2002). «Outlier Detection Using Replicator Neural Networks». Data Warehousing and Knowledge Discovery. Lecture Notes in Computer Science (en inglés) 2454. pp. 170-180. ISBN 978-3-540-44123-6. doi:10.1007/3-540-46145-0_17.
Hubert, Mia; Debruyne, Michiel; Rousseeuw, Peter J. (2018). «Minimum covariance determinant and extensions». WIREs Computational Statistics (en inglés) 10 (3). ISSN 1939-5108. doi:10.1002/wics.1421.
Hubert, Mia; Debruyne, Michiel (2010). «Minimum covariance determinant». WIREs Computational Statistics (en inglés) 2 (1): 36-43. ISSN 1939-0068. doi:10.1002/wics.61.
He, Z.; Xu, X.; Deng, S. (2003). «Discovering cluster-based local outliers». Pattern Recognition Letters 24 (9–10): 1641-1650. doi:10.1016/S0167-8655(03)00003-5.
Campello, R. J. G. B.; Moulavi, D.; Zimek, A.; Sander, J. (2015). «Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection». ACM Transactions on Knowledge Discovery from Data 10 (1): 5:1-51. doi:10.1145/2733381.
Lazarevic, A.; Kumar, V. (2005). Feature bagging for outlier detection. Proc. 11th ACM SIGKDD International Conference on Knowledge Discovery in Data Mining (en inglés). pp. 157-166. ISBN 978-1-59593-135-1. doi:10.1145/1081870.1081891.
Nguyen, H. V.; Ang, H. H.; Gopalkrishnan, V. (2010). «Mining Outliers with Ensemble of Heterogeneous Detectors on Random Subspaces». Database Systems for Advanced Applications. Lecture Notes in Computer Science 5981: 368. ISBN 978-3-642-12025-1. doi:10.1007/978-3-642-12026-8_29.
Kriegel, H. P.; Kröger, P.; Schubert, E.; Zimek, A. (2011). «Interpreting and Unifying Outlier Scores». Proceedings of the 2011 SIAM International Conference on Data Mining: 13-24. ISBN 978-0-89871-992-5. doi:10.1137/1.9781611972818.2.
Schubert, E.; Wojdanowski, R.; Zimek, A.; Kriegel, H. P. (2012). «On Evaluation of Outlier Rankings and Outlier Scores». Proceedings of the 2012 SIAM International Conference on Data Mining: 1047-1058. ISBN 978-1-61197-232-0. doi:10.1137/1.9781611972825.90.
Zimek, A.; Campello, R. J. G. B.; Sander, J. R. (2014). «Ensembles for unsupervised outlier detection». ACM SIGKDD Explorations Newsletter 15: 11-22. doi:10.1145/2594473.2594476.
Zimek, A.; Campello, R. J. G. B.; Sander, J. R. (2014). «Data perturbation for outlier detection ensembles». Proceedings of the 26th International Conference on Scientific and Statistical Database Management – SSDBM '14: 1. ISBN 978-1-4503-2722-0. doi:10.1145/2618243.2618257.
Campos, Guilherme O.; Zimek, Arthur; Sander, Jörg; Campello, Ricardo J. G. B.; Micenková, Barbora; Schubert, Erich; Assent, Ira; Houle, Michael E. (2016). «On the evaluation of unsupervised outlier detection: measures, datasets, and an empirical study». Data Mining and Knowledge Discovery 30 (4): 891. ISSN 1384-5810. doi:10.1007/s10618-015-0444-8.

dtic.mil

apps.dtic.mil

Denning, D. E. (1987). «An Intrusion-Detection Model». IEEE Transactions on Software Engineering. SE-13 (2): 222-232. doi:10.1109/TSE.1987.232894. Archivado desde el original el 22 de junio de 2015.

inesctec.pt

repositorio.inesctec.pt

Fanaee-T, H.; Gama, J. (2016). «Tensor-based anomaly detection: An interdisciplinary survey». Knowledge-Based Systems 98: 130-147. doi:10.1016/j.knosys.2016.01.027.

issn.org

portal.issn.org

Zimek, Arthur; Filzmoser, Peter (2018). «There and back again: Outlier detection between statistical reasoning and data mining algorithms». Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 8 (6): e1280. ISSN 1942-4787. doi:10.1002/widm.1280. Archivado desde el original el 14 de noviembre de 2021. Consultado el 7 de julio de 2023.
Hubert, Mia; Debruyne, Michiel; Rousseeuw, Peter J. (2018). «Minimum covariance determinant and extensions». WIREs Computational Statistics (en inglés) 10 (3). ISSN 1939-5108. doi:10.1002/wics.1421.
Hubert, Mia; Debruyne, Michiel (2010). «Minimum covariance determinant». WIREs Computational Statistics (en inglés) 2 (1): 36-43. ISSN 1939-0068. doi:10.1002/wics.61.
Campos, Guilherme O.; Zimek, Arthur; Sander, Jörg; Campello, Ricardo J. G. B.; Micenková, Barbora; Schubert, Erich; Assent, Ira; Houle, Michael E. (2016). «On the evaluation of unsupervised outlier detection: measures, datasets, and an empirical study». Data Mining and Knowledge Discovery 30 (4): 891. ISSN 1384-5810. doi:10.1007/s10618-015-0444-8.

lmu.de

dbs.ifi.lmu.de

Breunig, M. M.; Kriegel, H.-P.; Ng, R. T.; Sander, J. (2000). «LOF: Identifying Density-based Local Outliers». Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data. SIGMOD: 93-104. ISBN 1-58113-217-4. doi:10.1145/335191.335388.
Repositorio de datos de referencia sobre detección de anomalías (en inglés) de la Ludwig-Maximilians-Universität München; Mirror Archivado el 31 de marzo de 2022 en Wayback Machine. en la Universidad de São Paulo.

nih.gov

ncbi.nlm.nih.gov

Schölkopf, B.; Platt, J. C.; Shawe-Taylor, J.; Smola, A. J.; Williamson, R. C. (2001). «Estimating the Support of a High-Dimensional Distribution». Neural Computation 13 (7): 1443-71. PMID 11440593. doi:10.1162/089976601750264965.

psu.edu

citeseerx.ist.psu.edu

Jones, Anita K.; Sielken, Robert S. (1999). «Computer System Intrusion Detection: A Survey». Technical Report, Department of Computer Science, University of Virginia, Charlottesville, VA.
Smith, M. R.; Martinez, T. (2011). «Improving classification accuracy by identifying and removing instances that should be misclassified». The 2011 International Joint Conference on Neural Networks. p. 2690. ISBN 978-1-4244-9635-8. doi:10.1109/IJCNN.2011.6033571.
Knorr, E. M.; Ng, R. T.; Tucakov, V. (2000). «Distance-based outliers: Algorithms and applications». The VLDB Journal the International Journal on Very Large Data Bases 8 (3–4): 237-253. doi:10.1007/s007780050006.

researchgate.net

Liu, Fei Tony; Ting, Kai Ming; Zhou, Zhi-Hua (Marzo 2012). «Isolation-Based Anomaly Detection». ACM Transactions on Knowledge Discovery from Data (en inglés) 6 (1): 1-39. doi:10.1145/2133360.2133363.
Malhotra, Pankaj; Vig, Lovekesh; Shroff, Gautman; Agarwal, Puneet (Abril de 2015). «Long Short Term Memory Networks for Anomaly Detection in Time Series». European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (en inglés) (Brujas (Bélgica)).

sdu.dk

findresearcher.sdu.dk

Zimek, Arthur; Filzmoser, Peter (2018). «There and back again: Outlier detection between statistical reasoning and data mining algorithms». Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 8 (6): e1280. ISSN 1942-4787. doi:10.1002/widm.1280. Archivado desde el original el 14 de noviembre de 2021. Consultado el 7 de julio de 2023.

semanticscholar.org

api.semanticscholar.org

Zimek, A.; Schubert, E.; Kriegel, H.-P. (2012). «A survey on unsupervised outlier detection in high-dimensional numerical data». Statistical Analysis and Data Mining 5 (5): 363-387. doi:10.1002/sam.11161.

unc.edu

cs.unc.edu

Teng, H. S.; Chen, K.; Lu, S. C. (1990). Adaptive real-time anomaly detection using inductively generated sequential patterns. Proceedings of the IEEE Computer Society Symposium on Research in Security and Privacy. pp. 278-284. ISBN 978-0-8186-2060-7. doi:10.1109/RISP.1990.63857.

usp.br

lapad-web.icmc.usp.br

Repositorio de datos de referencia sobre detección de anomalías (en inglés) de la Ludwig-Maximilians-Universität München; Mirror Archivado el 31 de marzo de 2022 en Wayback Machine. en la Universidad de São Paulo.

web.archive.org

Denning, D. E. (1987). «An Intrusion-Detection Model». IEEE Transactions on Software Engineering. SE-13 (2): 222-232. doi:10.1109/TSE.1987.232894. Archivado desde el original el 22 de junio de 2015.
Zimek, Arthur; Filzmoser, Peter (2018). «There and back again: Outlier detection between statistical reasoning and data mining algorithms». Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 8 (6): e1280. ISSN 1942-4787. doi:10.1002/widm.1280. Archivado desde el original el 14 de noviembre de 2021. Consultado el 7 de julio de 2023.
Repositorio de datos de referencia sobre detección de anomalías (en inglés) de la Ludwig-Maximilians-Universität München; Mirror Archivado el 31 de marzo de 2022 en Wayback Machine. en la Universidad de São Paulo.

wiley.com

onlinelibrary.wiley.com

Hubert, Mia; Debruyne, Michiel (2010). «Minimum covariance determinant». WIREs Computational Statistics (en inglés) 2 (1): 36-43. ISSN 1939-0068. doi:10.1002/wics.61.

wolfram.com

reference.wolfram.com

Documentación de Mathematica