Tesis sobre el tema "Change point and trend detection"
Crea una cita precisa en los estilos APA, MLA, Chicago, Harvard y otros
Consulte los 50 mejores tesis para su investigación sobre el tema "Change point and trend detection".
Junto a cada fuente en la lista de referencias hay un botón "Agregar a la bibliografía". Pulsa este botón, y generaremos automáticamente la referencia bibliográfica para la obra elegida en el estilo de cita que necesites: APA, MLA, Harvard, Vancouver, Chicago, etc.
También puede descargar el texto completo de la publicación académica en formato pdf y leer en línea su resumen siempre que esté disponible en los metadatos.
Explore tesis sobre una amplia variedad de disciplinas y organice su bibliografía correctamente.
Petersson, David y Emil Backman. "Change Point Detection and Kernel Ridge Regression for Trend Analysis on Financial Data". Thesis, KTH, Skolan för teknikvetenskap (SCI), 2018. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-230729.
Texto completoAktiemarknaden kan vara en hård och oförlåtande plats att investera sina pengar i som novis. För att ha någon chans att gå med vinst krävs oräkneligt många timmars efterforskning av företag och dess möjligheter. Vidare bör man sprida sina investeringar över flertalet oberoende branscher och på så sätt minska risken för stora förluster. Med många aktörer och en stor mängd parametrar som måste falla samman kan detta verka näst intill omöjligt att klara av som privatperson. Med modern teknologi finns nu stor potential till att kunna hantera dessa analyser autonomt med maskininlärning. Om man ser på problemet från denna infallsvinkel inser man snart att analysförmågan enbart begränsas av vilken datorkraft man besitter. Denna studie utforskar möjligheterna kring maskininlärning inom teknisk analys genom att kombinera effektiva algoritmer på ett nytänkande sätt. Genom att utnyttja kraften bakom kernel-metoder kan mönster i finansiella data analyseras effektivt. En ny kombination, av ickelinjär regression och algoritmer som är kapabla till att hitta brytpunkter i mönster, föreslås. Slutprodukten från denna studie är ett analysverktyg som minimerar influensen från plötsliga händelser och istället ger större vikt till de underliggande mönstren i finansiella data. Det introduceras också ett ytterligare verktyg som kan användas för att estimera framtida prisrörelser.
Gao, Zhenguo. "Variance Change Point Detection under A Smoothly-changing Mean Trend with Application to Liver Procurement". Diss., Virginia Tech, 2018. http://hdl.handle.net/10919/82351.
Texto completoPh. D.
Hedberg, Sofia. "Regional Quantification of Climatic and Anthropogenic Impacts on Streamflows in Sweden". Thesis, Uppsala universitet, Institutionen för geovetenskaper, 2015. http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-269824.
Texto completoSedan mitten av förra århundradet har den antropogena påverkan på jordens system ökat kraftigt. Idag är det svårt att hitta ett vattendrag som inte är påverkat av mänsklig aktivitet. Att förstå orsakerna bakom förändringarna är en viktig kunskap för framtida vattenplanering och av denna anledning undersöktes och kvantiferades den antropogen och klimatpåverkan på flödesförändringar i svenska vattendrag. I arbetets första steg användes de Mann-Kendalls och Pettitts test för att lokalisera och verifiera förändringar i årligt vattenflöde. Alla test var icke parametriska och utfördes som ett glidande fönster. I nästa steg undersöktes orsakerna till förändringar med hjälp av HBV, en klimatdriven avrinningsmodell. Ett större antal avrinningsområden undersöktes för att upptäcka regionala mönster och skillnader. Perioder med omväxlande positiva och negativa trender upptäcktes med mindre fönsterstorlekar, medan större fönster hittade positiva trender i mer än hälften av områdena och knappt några negativa trender hittades. De detekterade förändringarna var på grund av periodicitet i årligt vattenflöde till stor grad beroende på det undersöka tidsintervallet. Generellt var den antropogena påverkan större påverkan från nederbörd och temperatur, med ett medianvärde där 7 % av den totala förändringen kunde förklaras med antropogen påverkan. Inga regionala skillnader i antropogen påverkan kunde identifieras vilket indikerar att den varierar mer mellan individuella områden än följer ett regionalt mönster.
Jawa, Taghreed Mohammed. "Statistical methods of detecting change points for the trend of count data". Thesis, University of Strathclyde, 2017. http://digitool.lib.strath.ac.uk:80/R/?func=dbin-jump-full&object_id=28854.
Texto completoGarreau, Damien. "Change-point detection and kernel methods". Thesis, Paris Sciences et Lettres (ComUE), 2017. http://www.theses.fr/2017PSLEE061/document.
Texto completoIn this thesis, we focus on a method for detecting abrupt changes in a sequence of independent observations belonging to an arbitrary set on which a positive semidefinite kernel is defined. That method, kernel changepoint detection, is a kernelized version of a penalized least-squares procedure. Our main contribution is to show that, for any kernel satisfying some reasonably mild hypotheses, this procedure outputs a segmentation close to the true segmentation with high probability. This result is obtained under a bounded assumption on the kernel for a linear penalty and for another penalty function, coming from model selection.The proofs rely on a concentration result for bounded random variables in Hilbert spaces and we prove a less powerful result under relaxed hypotheses—a finite variance assumption. In the asymptotic setting, we show that we recover the minimax rate for the change-point locations without additional hypothesis on the segment sizes. We provide empirical evidence supporting these claims. Another contribution of this thesis is the detailed presentation of the different notions of distances between segmentations. Additionally, we prove a result showing these different notions coincide for sufficiently close segmentations.From a practical point of view, we demonstrate how the so-called dimension jump heuristic can be a reasonable choice of penalty constant when using kernel changepoint detection with a linear penalty. We also show how a key quantity depending on the kernelthat appears in our theoretical results influences the performance of kernel change-point detection in the case of a single change-point. When the kernel is translationinvariant and parametric assumptions are made, it is possible to compute this quantity in closed-form. Thanks to these computations, some of them novel, we are able to study precisely the behavior of the maximal penalty constant. Finally, we study the median heuristic, a popular tool to set the bandwidth of radial basis function kernels. Fora large sample size, we show that it behaves approximately as the median of a distribution that we describe completely in the setting of kernel two-sample test and kernel change-point detection. More precisely, we show that the median heuristic is asymptotically normal around this value
Niu, Yue S., Ning Hao y Heping Zhang. "Multiple Change-Point Detection: A Selective Overview". INST MATHEMATICAL STATISTICS, 2016. http://hdl.handle.net/10150/622820.
Texto completoYang, Ping. "Adaptive trend change detection and pattern recognition in physiological monitoring". Thesis, University of British Columbia, 2009. http://hdl.handle.net/2429/8932.
Texto completoMei, Yajun Lorden Gary. "Asymptotically optimal methods for sequential change-point detection /". Diss., Pasadena, Calif. : California Institute of Technology, 2003. http://resolver.caltech.edu/CaltechETD:etd-05292003-133431.
Texto completoGeng, Jun. "Quickest Change-Point Detection with Sampling Right Constraints". Digital WPI, 2015. https://digitalcommons.wpi.edu/etd-dissertations/440.
Texto completoSchröder, Anna Louise. "Methods for change-point detection with additional interpretability". Thesis, London School of Economics and Political Science (University of London), 2016. http://etheses.lse.ac.uk/3421/.
Texto completoBjörk, Tim. "Exploring Change Point Detection in Network Equipment Logs". Thesis, Karlstads universitet, Institutionen för matematik och datavetenskap (from 2013), 2021. http://urn.kb.se/resolve?urn=urn:nbn:se:kau:diva-85626.
Texto completoShcherbakova, Evgenia y Olga Gogoleva. "On-line change-point detection procedures for Initial Public Offerings". Thesis, Högskolan i Halmstad, Sektionen för Informationsvetenskap, Data– och Elektroteknik (IDE), 2010. http://urn.kb.se/resolve?urn=urn:nbn:se:hh:diva-13940.
Texto completoMihalache, Stefan-Radu [Verfasser]. "Sequential change-point detection for diffusion processes / Stefan-Radu Mihalache". Köln : Universitäts- und Stadtbibliothek Köln, 2011. http://d-nb.info/1013739531/34.
Texto completoBergsjö, Joline. "Photogrammetric point cloud generation and surface interpolation for change detection". Thesis, KTH, Geodesi och satellitpositionering, 2016. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-190882.
Texto completoTurner, Ryan Darby. "Gaussian processes for state space models and change point detection". Thesis, University of Cambridge, 2012. https://www.repository.cam.ac.uk/handle/1810/242181.
Texto completoDu, Yang. "Comparison of change-point detection algorithms for vector time series". Thesis, Linköpings universitet, Statistik, 2010. http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-59925.
Texto completoDiskin, Yakov. "Volumetric Change Detection Using Uncalibrated 3D Reconstruction Models". University of Dayton / OhioLINK, 2015. http://rave.ohiolink.edu/etdc/view?acc_num=dayton1429293660.
Texto completoBulunga, Meshack Linda. "Change-point detection in dynamical systems using auto-associative neural networks". Thesis, Stellenbosch : Stellenbosch University, 2012. http://hdl.handle.net/10019.1/20267.
Texto completoENGLISH ABSTRACT: In this research work, auto-associative neural networks have been used for changepoint detection. This is a nonlinear technique that employs the use of artificial neural networks as inspired among other by Frank Rosenblatt’s linear perceptron algorithm for classification. An auto-associative neural network was used successfully to detect change-points for various types of time series data. Its performance was compared to that of singular spectrum analysis developed by Moskvina and Zhigljavsky. Fraction of Explained Variance (FEV) was also used to compare the performance of the two methods. FEV indicators are similar to the eigenvalues of the covariance matrix in principal component analysis. Two types of time series data were used for change-point detection: Gaussian data series and nonlinear reaction data series. The Gaussian data had four series with different types of change-points, namely a change in the mean value of the time series (T1), a change in the variance of the time series (T2), a change in the autocorrelation of the time series (T3), and a change in the crosscorrelation of two time series (T4). Both linear and nonlinear methods were able to detect the changes for T1, T2 and T4. None of them could detect the changes in T3. With the Gaussian data series, linear singular spectrum analysis (LSSA) performed as well as the NLSSA for the change point detection. This is because the time series was linear and the nonlinearity of the NLSSA was therefore not important. LSSA did even better than NLSSA when comparing FEV values, since it is not subject to suboptimal solutions as could sometimes be the case with autoassociative neural networks. The nonlinear data consisted of the Belousov-Zhabotinsky (BZ) reactions, autocatalytic reaction time series data and data representing a predator-prey system. With the NLSSA methods, change points could be detected accurately in all three systems, while LSSA only managed to detect the change-point on the BZ reactions and the predator-prey system. The NLSSA method also fared better than the LSSA method when comparing FEV values for the BZ reactions. The LSSA method was able to model the autocatalytic reactions fairly accurately, being able to explain 99% of the variance in the data with one component only. NLSSA with two nodes on the bottleneck attained an FEV of 87%. The performance of both NLSSA and LSSA were comparable for the predator-prey system, both systems, where both could attain FEV values of 92% with a single component. An auto-associative neural network is a good technique for change point detection in nonlinear time series data. However, it offers no advantage over linear techniques when the time series data are linear.
AFRIKAANSE OPSOMMING: In hierdie navorsing is outoassosiatiewe neurale netwerk gebruik vir veranderingspuntwaarneming. Dis is ‘n nielineêre tegniek wat neurale netwerke gebruik soos onder andere geïnspireer deur Frank Rosnblatt se lineêre perseptronalgoritme vir klassifikasie. ‘n Outoassosiatiewe neurale netwerk is suksesvol gebruik om veranderingspunte op te spoor in verskeie tipes tydreeksdata. Die prestasie van die outoassosiatiewe neurale netwerk is vergelyk met singuliere spektrale oontleding soos ontwikkel deur Moskvina en Zhigljavsky. Die fraksie van die verklaarde variansie (FEV) is ook gebruik om die prestasie van die twee metodes te vergelyk. FEV indikatore is soortgelyk aan die eiewaardes van die kovariansiematriks in hoofkomponentontleding. Twee tipes tydreeksdata is gebruik vir veranderingspuntopsporing: Gaussiaanse tydreekse en nielineêre reaksiedatareekse. Die Gaussiaanse data het vier reekse gehad met verskillende veranderingspunte, naamlik ‘n verandering in die gemiddelde van die tydreeksdata (T1), ‘n verandering in die variansie van die tydreeksdata (T2), ‘n verandering in die outokorrelasie van die tydreeksdata (T3), en ‘n verandering in die kruiskorrelasie van twee tydreekse (T4). Beide lineêre en nielineêre metodes kon die veranderinge in T1, T2 en T4 opspoor. Nie een het egter daarin geslaag om die verandering in T3 op te spoor nie. Met die Gaussiaanse tydreeks het lineêre singuliere spektrumanalise (LSSA) net so goed gevaar soos die outoassosiatiewe neurale netwerk of nielineêre singuliere spektrumanalise (NLSSA), aangesien die tydreekse lineêr was en die vermoë van die NLSSA metode om nielineêre gedrag te identifiseer dus nie belangrik was nie. Inteendeel, die LSSA metode het ‘n groter FEV waarde getoon as die NLSSA metode, omdat LSSA ook nie blootgestel is aan suboptimale oplossings, soos wat soms die geval kan wees met die afrigting van die outoassosiatiewe neural netwerk nie. Die nielineêre data het bestaan uit die Belousov-Zhabotinsky (BZ) reaksiedata, ‘n outokatalitiese reaksietydreeksdata en data wat ‘n roofdier-prooistelsel verteenwoordig het. Met die NLSSA metode kon veranderingspunte betroubaar opgespoor word in al drie tydreekse, terwyl die LSSA metode net die veranderingspuntin die BZ reaksie en die roofdier-prooistelsel kon opspoor. Die NLSSA metode het ook beter gevaaar as die LSSA metode wanneer die FEV waardes vir die BZ reaksies vergelyk word. Die LSSA metode kon die outokatalitiese reaksies redelik akkuraat modelleer, en kon met slegs een komponent 99% van die variansie in die data verklaar. Die NLSSA metode, met twee nodes in sy bottelneklaag, kon ‘n FEV waarde van slegs 87% behaal. Die prestasie van beide metodes was vergelykbaar vir die roofdier-prooidata, met beide wat FEV waardes van 92% kon behaal met hulle een komponent. ‘n Outoassosiatiewe neural netwerk is ‘n goeie metode vir die opspoor van veranderingspunte in nielineêre tydreeksdata. Dit hou egter geen voordeel in wanneer die data lineêr is nie.
Elango, Veeresh. "Change Point Detection in Sequential Sensor Data using Recurrent Neural Networks". Thesis, KTH, Skolan för elektroteknik och datavetenskap (EECS), 2018. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-235770.
Texto completoÄndringspunktdetektering är problemet med att upptäcka den plötsliga förändringen av egenskaperna hos sekventiell data. Detta täcker ett brett spektrum av problem inom t.ex. medicin, meteorologi och fordonsindustrin, och har diskuteras aktivt i statistikoch datavinnnings området. I bilindustrin samlas sekventiella data från olika delar av fordonet. Förändringen i egenskapen hos sekventiella data kan indikera komponentfel, sensornedbrytning eller förändring av fordonets användning, vilket förklarar behovet av att detektera dessa avvikelser i denna bransch. I denna uppsats undersöker vi olika arkitekturer av återkopplade neurala nätverk (engelska recurrent neural networks, RNN), såsom många insignaler och en utsignal (MISO) och många inoch utsignaler (MIMO) arkitekturer, för att detektera detektera förändringspunkter över sekventiella data från fordonsensorer. I denna uppsats användes ett glidande fönster för att omvandla de variabla sekvenslängderna till sekvenser av fasta längder. Dessa sekvenser tillhandahölls till MISOoch MIMO-arkitekturerna för RNN för att utföra två olika uppgifter: sekvensdetektering för att hitta positionen av ändringspunkten i sekvensen och sekvensklassifiering för att upptäcka om sekvensen innehåller en ändringspunkt. Stapling av klassificerare har använts för att kombinera resultaten av sekvensklassificering med sekvensdetektering för att ytterligare förbättra prestanda. Resultatet av uppsats visar att MIMO-arkitekturen har högre precision än känslighet medan MISO-arkitekturen har högre känslighet än precision men båda har liknande f1-poäng. Stackningssamlingstekniken förbättrar resultaten i båda arkitekturerna.
Jiang, Tao. "Information Approach for Change Point Detection of Weibull Models with Applications". Bowling Green State University / OhioLINK, 2015. http://rave.ohiolink.edu/etdc/view?acc_num=bgsu1434382384.
Texto completoMakris, Alexia Melissa. "A Monte Carlo Approach to Change Point Detection in a Liver Transplant". Scholar Commons, 2013. http://scholarcommons.usf.edu/etd/4824.
Texto completoPiyadi, Gamage Ramadha D. "Empirical Likelihood For Change Point Detection And Estimation In Time Series Models". Bowling Green State University / OhioLINK, 2017. http://rave.ohiolink.edu/etdc/view?acc_num=bgsu1495457528719879.
Texto completoKo, Kyungduk. "Bayesian wavelet approaches for parameter estimation and change point detection in long memory processes". Diss., Texas A&M University, 2004. http://hdl.handle.net/1969.1/2804.
Texto completoDou, Baojun. "Three essays on time series : spatio-temporal modelling, dimension reduction and change-point detection". Thesis, London School of Economics and Political Science (University of London), 2015. http://etheses.lse.ac.uk/3242/.
Texto completoShakil, Sadia. "Windowing effects and adaptive change point detection of dynamic functional connectivity in the brain". Diss., Georgia Institute of Technology, 2016. http://hdl.handle.net/1853/55006.
Texto completoHan, Sung Won. "Efficient change detection methods for bio and healthcare surveillance". Diss., Georgia Institute of Technology, 2010. http://hdl.handle.net/1853/34828.
Texto completoBolton, Alexander. "Bayesian change point models for regime detection in stochastic processes with applications in cyber security". Thesis, Imperial College London, 2016. http://hdl.handle.net/10044/1/48484.
Texto completoRatnasingam, Suthakaran. "Sequential Change-point Detection in Linear Regression and Linear Quantile Regression Models Under High Dimensionality". Bowling Green State University / OhioLINK, 2020. http://rave.ohiolink.edu/etdc/view?acc_num=bgsu159050606401363.
Texto completoAL, Cihan y Kubra Koroglu. "Detection of the Change Point and Optimal Stopping Time by Using Control Charts on Energy Derivatives". Thesis, Högskolan i Halmstad, Tillämpad matematik och fysik (MPE-lab), 2011. http://urn.kb.se/resolve?urn=urn:nbn:se:hh:diva-17371.
Texto completoZhai, Hongru. "Prominent variable detection in lipid nanoparticle experiments : A simulation study on non-parametric change point analysis". Thesis, Uppsala universitet, Statistiska institutionen, 2020. http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-419865.
Texto completoZhu, Yanjun. "Some New Methods for Online Change Point Detection in The Covariance Structure of High-dimensional Data". Kent State University / OhioLINK, 2019. http://rave.ohiolink.edu/etdc/view?acc_num=kent1555861286963026.
Texto completoDürre, Alexander [Verfasser], Roland [Akademischer Betreuer] Fried, Daniel [Akademischer Betreuer] Vogel y Christine H. [Gutachter] Müller. "Robust change-point detection and dependence modeling / Alexander Dürre ; Gutachter: Christine H. Müller ; Roland Fried, Daniel Vogel". Dortmund : Universitätsbibliothek Dortmund, 2017. http://d-nb.info/1142519910/34.
Texto completoPashami, Sepideh. "Change detection in metal oxide gas sensor signals for open sampling systems". Doctoral thesis, Örebro universitet, Institutionen för naturvetenskap och teknik, 2015. http://urn.kb.se/resolve?urn=urn:nbn:se:oru:diva-46845.
Texto completoLi, Lingjun. "Statistical Inference for Change Points in High-Dimensional Offline and Online Data". Kent State University / OhioLINK, 2020. http://rave.ohiolink.edu/etdc/view?acc_num=kent1586206330858843.
Texto completoGösmann, Josua Nicolas [Verfasser], Holger [Gutachter] Dette y Herold [Gutachter] Dehling. "New aspects of sequential change point detection / Josua Nicolas Gösmann ; Gutachter: Holger Dette, Herold Dehling ; Fakultät für Mathematik". Bochum : Ruhr-Universität Bochum, 2020. http://d-nb.info/1221370189/34.
Texto completoGösmann, Josua [Verfasser], Holger [Gutachter] Dette y Herold [Gutachter] Dehling. "New aspects of sequential change point detection / Josua Nicolas Gösmann ; Gutachter: Holger Dette, Herold Dehling ; Fakultät für Mathematik". Bochum : Ruhr-Universität Bochum, 2020. http://d-nb.info/1221370189/34.
Texto completoHasan, Abeer. "A Study of non-central Skew t Distributions and their Applications in Data Analysis and Change Point Detection". Bowling Green State University / OhioLINK, 2013. http://rave.ohiolink.edu/etdc/view?acc_num=bgsu1371055538.
Texto completoHuang, Rong [Verfasser], Uwe [Akademischer Betreuer] Stilla, Helmut [Gutachter] Mayer y Uwe [Gutachter] Stilla. "Change detection of construction sites based on 3D point clouds / Rong Huang ; Gutachter: Helmut Mayer, Uwe Stilla ; Betreuer: Uwe Stilla". München : Universitätsbibliothek der TU München, 2021. http://d-nb.info/1240832850/34.
Texto completoGarcía, Arboleda Isabel Cristina [Verfasser], Herold [Gutachter] Dehling y Martin [Gutachter] Wendler. "Change point detection in mean of short memory process / Isabel Cristina García Arboleda ; Gutachter: Herold Dehling, Martin Wendler ; Fakultät für Mathematik". Bochum : Ruhr-Universität Bochum, 2018. http://d-nb.info/1155588061/34.
Texto completoDiop, Lamine. "Assessing and predicting stream-flow at different time scales in the context of climate change: Case of the upper Senegal River basin". The Ohio State University, 2017. http://rave.ohiolink.edu/etdc/view?acc_num=osu1496332453864627.
Texto completoStöhr, Christina [Verfasser] y Claudia [Gutachter] Kirch. "Sequential change point procedures based on U-statistics and the detection of covariance changes in functional data / Christina Stöhr ; Gutachter: Claudia Kirch". Magdeburg : Universitätsbibliothek Otto-von-Guericke-Universität, 2019. http://d-nb.info/1219966282/34.
Texto completoOsunmadewa, Babatunde A., Christine Wessollek y Pierre Karrasch. "Linear and segmented linear trend detection for vegetation cover using GIMMS normalized difference vegetation index data in semiarid regions of Nigeria". SPIE, 2015. https://tud.qucosa.de/id/qucosa%3A35266.
Texto completoLiu, Wenjie. "Estimation and bias correction of the magnitude of an abrupt level shift". Thesis, Linköpings universitet, Statistik, 2012. http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-84618.
Texto completoAlkalei, Osama. "Developing fixed-point photography methodologies for assessing post-fire mountain fynbos vegetation succession as a tool for biodiversity management". University of Western Cape, 2020. http://hdl.handle.net/11394/8058.
Texto completoAreas of high biodiversity and complex species assemblages are often difficult to manage and to set up meaningful monitoring and evaluations programmes. Mountain Fynbos is such an ecosystem and in the Cape of Good Hope (part of the Table Mountain National Park) plant biodiversity over the last five decades has been in decline. The reasons are difficult to speculate since large herbivores, altered fire regimes and even climate change could be contributors to this decline which has been quantified using fixed quadrats and standard cover-abundance estimates based on a Braun-Blanquet methodology. To provide more detailed data that has more resolution in terms of identifying ecological processes, Fixed-Point Repeat Photography has been presented as a management “solution”. However, photography remains a difficult method to standardize subjects and has certain operational limitations.
Mohammadian, Jeela. "Monitoring portfolio weights by means of the Shewhart method". Thesis, Halmstad University, School of Information Science, Computer and Electrical Engineering (IDE), 2010. http://urn.kb.se/resolve?urn=urn:nbn:se:hh:diva-4341.
Texto completoThe distribution of asset returns may lead to structural breaks. Thesebreaks may result in changes of the optimal portfolio weights. For a port-folio investor, the ability of timely detection of any systematic changesin the optimal portfolio weights is of a great interest.In this master thesis work, the use of the Shewhart method, as amethod for detecting a sudden parameter change, the implied changein the multivariate portfolio weights and its performance is reviewed.
Lama, Salomon Abraham. "Digital State Models for Infrastructure Condition Assessment and Structural Testing". Diss., Virginia Tech, 2017. http://hdl.handle.net/10919/84502.
Texto completoPh. D.
Alisic, Rijad. "Privacy of Sudden Events in Cyber-Physical Systems". Licentiate thesis, KTH, Reglerteknik, 2021. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-299845.
Texto completoDe senaste åren har cyberanfall mot kritiska infrastructurer varit ett växande problem. Dessa infrastrukturer är särskilt utsatta för cyberanfall, eftersom de uppfyller en nödvändig function för att ett samhälle ska fungera. Detta gör dem till önskvärda mål för en anfallare. Om en kritisk infrastruktur stoppas från att uppfylla sin funktion, då kan det medföra förödande konsekvenser för exempelvis en nations ekonomi, säkerhet eller folkhälsa. Anledningen till att mängden av attacker har ökat beror på att kritiska infrastrukturer har blivit alltmer komplexa eftersom de numera ingår i stora nätverk dör olika typer av cyberkomponenter ingår. Det är just genom dessa cyberkomponenter som en anfallare kan få tillgång till systemet och iscensätta cyberanfall. I denna avhandling utvecklar vi metoder som kan användas som en första försvarslinje mot cyberanfall på cyberfysiska system (CPS). Vi med att undersöka hur informationsläckor om systemdynamiken kan hjälpa en anfallare att skapa svårupptäckta attacker. Oftast är sådana attacker förödande för CPS, eftersom en anfallare kan tvinga systemet till en bristningsgräns utan att bli upptäcka av operatör vars uppgift är att säkerställa systemets fortsatta funktion. Vi bevisar att en anfallare kan använda relativt små mängder av data för att generera dessa svårupptäckta attacker. Mer specifikt så härleder ett uttryck för den minsta mängd information som krävs för att ett anfall ska vara svårupptäckt, även för fall då en operatör tar till sig metoder för att undersöka om systemet är under attack. I avhandlingen konstruerar vi försvarsmetoder mot informationsläcker genom Hammersley-Chapman-Robbins olikhet. Med denna olikhet kan vi studera hur informationsläckan kan dämpas genom att injicera brus i datan. Specifikt så undersöker vi hur mycket information om strukturerade insignaler, vilket vi kallar för händelser, till ett dynamiskt system som en anfallare kan extrahera utifrån dess utsignaler. Dessutom kollar vi på hur denna informationsmängd beror på systemdynamiken. Exempelvis så visar vi att ett system med snabb dynamik läcker mer information jämfört med ett långsammare system. Däremot smetas informationen ut över ett längre tidsintervall för långsammare system, vilket leder till att anfallare som börjar tjuvlyssna på ett system långt efter att händelsen har skett kan fortfarande uppskatta den. Dessutom så visar vi jur sensorplaceringen i ett CPS påverkar infromationsläckan. Dessa reultat kan användas för att bistå en operatör att analysera sekretessen i ett CPS. Vi använder även Hammersley-Chapman-Robbins olikhet för att utveckla försvarslösningar mot informationsläckor som kan användas \textit{online}. Vi föreslår modifieringar till den strukturella insignalen så att systemets befintliga brus utnyttjas bättre för att gömma händelsen. Om operatören har andra mål den försöker uppfylla med styrningen så kan denna metod användas för att styra avvängingen mellan sekretess och operatorns andra mål. Slutligen så visar vi hur en anfallares uppskattning av händelsen förbättras som en funktion av mängden data får tag på. Operatorn kan använda informationen för att ta reda på när anfallaren kan tänka sig vara redo att anfalla systemet, och därefter ändra systemet innan detta sker, vilket gör att anfallarens information inte längre är användbar.
QC 20210820
Do, Van Long. "Sequential detection and isolation of cyber-physical attacks on SCADA systems". Thesis, Troyes, 2015. http://www.theses.fr/2015TROY0032/document.
Texto completoThis PhD thesis is registered in the framework of the project “SCALA” which received financial support through the program ANR-11-SECU-0005. Its ultimate objective involves the on-line monitoring of Supervisory Control And Data Acquisition (SCADA) systems against cyber-physical attacks. The problem is formulated as the sequential detection and isolation of transient signals in stochastic-dynamical systems in the presence of unknown system states and random noises. It is solved by using the analytical redundancy approach consisting of two steps: residual generation and residual evaluation. The residuals are firstly generated by both Kalman filter and parity space approaches. They are then evaluated by using sequential analysis techniques taking into account certain criteria of optimality. However, these classical criteria are not adequate for the surveillance of safety-critical infrastructures. For such applications, it is suggested to minimize the worst-case probability of missed detection subject to acceptable levels on the worst-case probability of false alarm and false isolation. For the detection task, the optimization problem is formulated and solved in both scenarios: exactly and partially known parameters. The sub-optimal tests are obtained and their statistical properties are investigated. Preliminary results for the isolation task are also obtained. The proposed algorithms are applied to the detection and isolation of malicious attacks on a simple SCADA water network
Hedman, Pontus y Vasilios Skepetzis. "Intrångsdetektering på CAN bus data : En studie för likvärdig jämförelse av metoder". Thesis, Högskolan i Halmstad, Akademin för informationsteknologi, 2020. http://urn.kb.se/resolve?urn=urn:nbn:se:hh:diva-42354.
Texto completoThere are known hacker attacks which have been conducted on modern vehicles. These attacks illustrates a need for early threat detection in this environment. Development of security systems in this environment is of special interest due to the increasing interconnection of vehicles and their newfound classification as IoT devices. Known attacks, that have even been carried out remotely on modern vehicles, include attacks which allow a perpetrator to stop vehicles, or to disable brake mechanisms. This study examines the detection of attacks carried out on a real vehicle, by studying CAN bus messages. The two methods CUSUM, from the field of Change Point Detection, and Random Forests, from the field of Machine Learning, are both applied to real data, and then later comparably evaluated on simulated data. A new hypothesis defintion is introduced which allows for the evaluation method Conditional expected delay to be used in the case of Random Forests, where results may be compared to evaluation results from CUSUM. Conditional expected delay has not been studied in the machinelarning case before. Both methods are also evaluated by method of ROC curve. The combined hypothesis definition for the two separate fields, allow for a comparison between the two models, in regard to each other's established evaluation methods. This study present a method and hypothesis to bridge the two separate fields of study, change point detection, and machinelearning, to achieve a comparable evaluation between the two.
Le, bars Batiste. "Event detection and structure inference for graph vectors". Thesis, université Paris-Saclay, 2021. http://www.theses.fr/2021UPASM003.
Texto completoThis thesis addresses different problems around the analysis and the modeling of graph signals i.e. vector data that are observed over graphs. In particular, we are interested in two tasks. The rst one is the problem of event detection, i.e. anomaly or changepoint detection, in a set of graph vectors. The second task concerns the inference of the graph structure underlying the observed graph vectors contained in a data set. At first, our work takes an application oriented aspect in which we propose a method for detecting antenna failures or breakdowns in a telecommunication network. The proposed approach is designed to be eective for communication networks in a broad sense and it implicitly takes into account the underlying graph structure of the data. In a second time, a new method for graph structure inference within the framework of Graph Signal Processing is investigated. In this problem, notions of both local and globalsmoothness, with respect to the underlying graph, are imposed to the vectors.Finally, we propose to combine the graph learning task with the change-point detection problem. This time, a probabilistic framework is considered to model the vectors, assumed to be distributed from a specifc Markov Random Field. In the considered modeling, the graph underlying the data is allowed to evolve in time and a change-point is actually detected whenever this graph changes significantly