期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于融合改进K-means聚类算法的数据检测技术
被引量：
4
1
作者
郭克难
《电子设计工程》
2024年第5期41-45,共5页
针对现有医疗财务数据分析系统平台老旧,采用传统K-means算法进行数据处理时性能较差的问题,文中设计了一种财务异常数据检测算法。对于传统K-means算法存在的分类效果不佳、运行效率偏低等不足,该算法结合密度峰值法对样本点的局部密...
针对现有医疗财务数据分析系统平台老旧,采用传统K-means算法进行数据处理时性能较差的问题,文中设计了一种财务异常数据检测算法。对于传统K-means算法存在的分类效果不佳、运行效率偏低等不足,该算法结合密度峰值法对样本点的局部密度和高密度距离进行计算,进而优化簇中心的选择。同时融合PCA降维算法减少了数据的冗余信息,进一步提高了运行效率。通过引入LOF离群检测算法对分簇后的数据进行检测,从而得到异常数据结果。实验测试中,所提算法在人工数据集上的平均ARI指标为0.844,真实数据集的准确率则达到了79.2%,在所有对比算法中均为最优,表明该算法具有良好的性能,可以对财务异常数据进行准确地检测。
展开更多
关键词
K-MEANS聚类
密度峰值
检测
主成分分析法
离群检测算法
异常数据
检测
在线阅读
下载PDF
职称材料
基于用电特征分析的异常用电检测方法
被引量：
15
2
作者
黄悦华
郭思涵
+3 位作者
鲍刚
程江洲
谌桥
王艺洁
《三峡大学学报（自然科学版）》
CAS
2021年第1期96-101,共6页
针对目前异常用电检测中存在的专变用户窃电率高、窃电模式难以察觉、使用窃电检测模型查找窃电用户过程中训练集不足的问题,提出了一种基于用电特征分析的无监督方式异常用电检测方法.该检测方法引入离群点查找算法,量化了海量数据中...
针对目前异常用电检测中存在的专变用户窃电率高、窃电模式难以察觉、使用窃电检测模型查找窃电用户过程中训练集不足的问题,提出了一种基于用电特征分析的无监督方式异常用电检测方法.该检测方法引入离群点查找算法,量化了海量数据中不同异常用电行为,将其提取为异常用电特征序列,并且根据专变用户不同计量方式和用电特点,构建了基于局部离群因子(local outlier factor,LOF)检测算法的用电不平衡特征序列,定义了考虑失压持续时间的电压异常特征序列和基于每日电流曲线聚类结果的电流异常特征序列,设计了异常用电评价流程,提出异常用电检测方法.通过实例验证了此检测方法能够完全甄别存在异常用电行为的用户,且检测方法对窃电时刻预测结果较为准确,其查准率和召回率的调和均值F1值为0.81.该方法能为企业提供异常行为发生的时间段,为窃电行为的及时调查提供有力的依据.
展开更多
关键词
用电特征
异常
检测
用电信息采集系统
智能电网
离群
点
检测
算法
在线阅读
下载PDF
职称材料
基于SMOTE和XGBoost的天然气水合物与天然气储层识别
3
作者
杜睿山
黄玉朋
+4 位作者
付晓飞
孟令东
张轶楠
靳明洋
蔡洪波
《特种油气藏》
CAS
CSCD
北大核心
2024年第5期11-19,共9页
天然气水合物与天然气储层识别一直是海洋能源勘探开发阶段的重点任务。然而,由于测井数据与储层之间的复杂非线性关系以及测井数据的不均衡性,导致传统储层识别方法往往精度不高,严重限制了研究区域的勘探进展。为解决上述问题,提出了...
天然气水合物与天然气储层识别一直是海洋能源勘探开发阶段的重点任务。然而,由于测井数据与储层之间的复杂非线性关系以及测井数据的不均衡性,导致传统储层识别方法往往精度不高,严重限制了研究区域的勘探进展。为解决上述问题,提出了一种用于储层识别的混合方法,即采用改进的SMOTE算法增加少数类储层样本数量,并进行去噪处理,可有效地解决数据不均衡的问题,再利用XGBoost算法对储层进行识别。结果表明:相比于传统的机器学习方法,RLSMOTE-XGB方法在储层识别方面具有更高的有效性和准确性,该方法解决了传统机器学习方法在样本类别不均衡时的局限性,储层识别精度从66.7%提高至86.4%,算法的性能得到显著提升。该研究可有效提高天然气水合物与天然气储层识别效果,对实现智能化识别储层有重要意义。
展开更多
关键词
储层识别
SMOTE
机器学习
RLSMOTE-XGB
离群
点
检测
算法
在线阅读
下载PDF
职称材料
题名
基于融合改进K-means聚类算法的数据检测技术
被引量：
4
1
作者
郭克难
机构
河北北方学院附属第一医院
出处
《电子设计工程》
2024年第5期41-45,共5页
基金
张家口市2022年度社会科学研究课题(2022052)。
文摘
针对现有医疗财务数据分析系统平台老旧,采用传统K-means算法进行数据处理时性能较差的问题,文中设计了一种财务异常数据检测算法。对于传统K-means算法存在的分类效果不佳、运行效率偏低等不足,该算法结合密度峰值法对样本点的局部密度和高密度距离进行计算,进而优化簇中心的选择。同时融合PCA降维算法减少了数据的冗余信息,进一步提高了运行效率。通过引入LOF离群检测算法对分簇后的数据进行检测,从而得到异常数据结果。实验测试中,所提算法在人工数据集上的平均ARI指标为0.844,真实数据集的准确率则达到了79.2%,在所有对比算法中均为最优,表明该算法具有良好的性能,可以对财务异常数据进行准确地检测。
关键词
K-MEANS聚类
密度峰值
检测
主成分分析法
离群检测算法
异常数据
检测
Keywords
K-means clustering
density peak detection
principal component analysis
outlier detection algorithm
abnormal data detection
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TN929.5 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于用电特征分析的异常用电检测方法
被引量：
15
2
作者
黄悦华
郭思涵
鲍刚
程江洲
谌桥
王艺洁
机构
三峡大学电气与新能源学院
出处
《三峡大学学报（自然科学版）》
CAS
2021年第1期96-101,共6页
基金
国家自然科学基金(61876097)。
文摘
针对目前异常用电检测中存在的专变用户窃电率高、窃电模式难以察觉、使用窃电检测模型查找窃电用户过程中训练集不足的问题,提出了一种基于用电特征分析的无监督方式异常用电检测方法.该检测方法引入离群点查找算法,量化了海量数据中不同异常用电行为,将其提取为异常用电特征序列,并且根据专变用户不同计量方式和用电特点,构建了基于局部离群因子(local outlier factor,LOF)检测算法的用电不平衡特征序列,定义了考虑失压持续时间的电压异常特征序列和基于每日电流曲线聚类结果的电流异常特征序列,设计了异常用电评价流程,提出异常用电检测方法.通过实例验证了此检测方法能够完全甄别存在异常用电行为的用户,且检测方法对窃电时刻预测结果较为准确,其查准率和召回率的调和均值F1值为0.81.该方法能为企业提供异常行为发生的时间段,为窃电行为的及时调查提供有力的依据.
关键词
用电特征
异常
检测
用电信息采集系统
智能电网
离群
点
检测
算法
Keywords
electricity characteristics
anomaly detection
acquisition system of electricity information
smart grid
local outlier detecting algorithm
分类号
TM732 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于SMOTE和XGBoost的天然气水合物与天然气储层识别
3
作者
杜睿山
黄玉朋
付晓飞
孟令东
张轶楠
靳明洋
蔡洪波
机构
东北石油大学
黑龙江省油气藏及地下储库完整性评价重点实验室
中国石油辽河油田分公司
出处
《特种油气藏》
CAS
CSCD
北大核心
2024年第5期11-19,共9页
基金
国家重点研发计划“区域二氧化碳捕集与封存关键技术研发与示范”(2022YFE0206800)
黑龙江省自然科学基金“基于多源深度强化学习的复杂场景视频事件检测”(LH2021F004)。
文摘
天然气水合物与天然气储层识别一直是海洋能源勘探开发阶段的重点任务。然而,由于测井数据与储层之间的复杂非线性关系以及测井数据的不均衡性,导致传统储层识别方法往往精度不高,严重限制了研究区域的勘探进展。为解决上述问题,提出了一种用于储层识别的混合方法,即采用改进的SMOTE算法增加少数类储层样本数量,并进行去噪处理,可有效地解决数据不均衡的问题,再利用XGBoost算法对储层进行识别。结果表明:相比于传统的机器学习方法,RLSMOTE-XGB方法在储层识别方面具有更高的有效性和准确性,该方法解决了传统机器学习方法在样本类别不均衡时的局限性,储层识别精度从66.7%提高至86.4%,算法的性能得到显著提升。该研究可有效提高天然气水合物与天然气储层识别效果,对实现智能化识别储层有重要意义。
关键词
储层识别
SMOTE
机器学习
RLSMOTE-XGB
离群
点
检测
算法
Keywords
reservoir identification
SMOTE
machine learning
RLSMOTE-XGB
outlier detection algorithm
分类号
TE348 [石油与天然气工程—油气田开发工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于融合改进K-means聚类算法的数据检测技术
郭克难
《电子设计工程》
2024
4
在线阅读
下载PDF
职称材料
2
基于用电特征分析的异常用电检测方法
黄悦华
郭思涵
鲍刚
程江洲
谌桥
王艺洁
《三峡大学学报（自然科学版）》
CAS
2021
15
在线阅读
下载PDF
职称材料
3
基于SMOTE和XGBoost的天然气水合物与天然气储层识别
杜睿山
黄玉朋
付晓飞
孟令东
张轶楠
靳明洋
蔡洪波
《特种油气藏》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
