-
题名基于多维滑窗的异常数据检测方法
被引量：9
- 1
-
-
作者
花青
许国艳
张叶
-
机构
河海大学计算机与信息学院
-
出处
《计算机应用》
CSCD
北大核心
2015年第11期3112-3115,3156,共5页
-
基金
国家科技支撑计划项目(2013BAB06B04)
江苏省自然科学基金资助项目(BK20130852)
+1 种基金
2013年江苏水利科技项目(2013025)
中国华能集团公司总部科技项目(HNKJ13-H17-04)
-
文摘
随着数据流的广泛运用,数据流中异常数据的检测问题也引起了更多的关注。现有的卡尔曼滤波算法需要的历史数据量虽然小,但只适用于单个异常点的检测,对于复杂连续的异常值检测效果较差。针对这个问题,提出一种水文传感器分级标注模型,并在此基础上提出一种基于多维影响因子的卡尔曼滤波算法,加入空间、时间、起源三个维度的影响因子,在天气和汛期等影响因素改变时,对系统模型的控制参数进行适当调整,并且对测量噪声进行更加准确的估计,提高异常检测的准确性。实验结果证明,所提算法在保证运行时间相近的前提下,检测的错误率远低于基于遗忘因子的卡尔曼(AKF)算法和基于小波的卡尔曼(WKF)算法。
-
关键词
异常数据检测
数据起源
分级标注模型
多维影响因子
卡尔曼算法
-
Keywords
abnormal data detection
data provenance
graded tagging model
multidimensional impact factor
Kalman algorithm
-
分类号
TP302
[自动化与计算机技术—计算机系统结构]
-
