Unsupervised, robust, and lightweight detection of data pattern anomalies and outliers

Qiaolin Qin, Heng Li, Ettore Merlo

Article de revue (2026)

Accéder à ce document
Lien externe
Libre accès au texte intégral chez l'éditeur officiel
Voir chez l'éditeur officiel

Mots clés

Renseignements supplémentaires:
Code + data : https://github.com/mooselab/Detect-Cell-level-Data-Anomalies-With-LUCARIO
Département:
Département de génie informatique et génie logiciel
Adresse URL de PolyPublie:
https://publications.polymtl.ca/71729/
Titre de la revue :
Information and Software Technology ( vol. 192 )
Maison d'édition:
Elsevier BV
DOI:
10.1016/j.infsof.2026.108035
URL officielle:
https://doi.org/10.1016/j.infsof.2026.108035
OAI:
oai:publications.polymtl.ca:71729
ORCID
Date du dépôt:
16 janv. 2026 08:37
Dernière modification:
14 oct. 2026 14:32
Citer en APA 7:
Qin, Q., Li, H., & Merlo, E. (2026). Unsupervised, robust, and lightweight detection of data pattern anomalies and outliers. Information and Software Technology, 192, 108035 (16 pages). https://doi.org/10.1016/j.infsof.2026.108035

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document