期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
统计监控建模数据预处理离群点检测算法 被引量:5
1
作者 肖应旺 杨军 +2 位作者 张承忠 姚美银 杜瑛 《控制工程》 CSCD 北大核心 2013年第4期756-761,共6页
针对基于多向主元分析(Multi-way Principal Component Analysis,MPCA)(包括主元分析(Principal Component Analysis,PCA)的统计监控模型易受建模数据中离群点影响的不足,通过对各种不同尺度的中心化和标准化方法及鲁棒离群点检测算法... 针对基于多向主元分析(Multi-way Principal Component Analysis,MPCA)(包括主元分析(Principal Component Analysis,PCA)的统计监控模型易受建模数据中离群点影响的不足,通过对各种不同尺度的中心化和标准化方法及鲁棒离群点检测算法的对比研究,提出了一种基于改进尺度的中心最短距离/椭球多变量整理(Closest Distance to Center/ellipsoidal Multivariate Trimming,CDC/MVT)的建模数据离群点去除算法。该算法首先利用改进尺度得到离线建模正常数据的均值和标准差,并对数据进行中心化和标准化处理;然后利用CDC算法找出建模历史数据中最一致的一半正常点;最后用这最一致的一半正常点初始化MVT的马氏距离的均值和协方差,并通过迭代计算得到其他的正常点。将该算法应用于β-甘露聚糖酶发酵间歇过程离群点的去除,与其他鲁棒离群点检测算法相比,应用结果表明该算法能有效地去除建模数据中的离群点。 展开更多
关键词 鲁棒离群点检测算法 多元统计监控建模 数据预处理 β-甘露聚糖酶发酵间歇过程
在线阅读 下载PDF
一种基于离群点检测的定位算法 被引量:3
2
作者 刘广聪 郝艳茹 刘铮 《计算机应用与软件》 北大核心 2018年第3期130-134,共5页
DV-Hop算法在无线传感器网络节点分布不均匀时定位误差较大。针对上述问题,利用离群点检测算法提高计算未知节点坐标的精度。在采用多边测量算法估计未知节点的坐标位置时用离群点检测算法LOF对未知节点的估计坐标进行分析和筛选,最终... DV-Hop算法在无线传感器网络节点分布不均匀时定位误差较大。针对上述问题,利用离群点检测算法提高计算未知节点坐标的精度。在采用多边测量算法估计未知节点的坐标位置时用离群点检测算法LOF对未知节点的估计坐标进行分析和筛选,最终确定未知节点位置。仿真实验表明,该方法能提高节点的定位精度,减小定位误差。 展开更多
关键词 DV-HOP 加权 离群点检测算法 LOF
在线阅读 下载PDF
社群演化的稳健迁移估计及演化离群点检测 被引量:3
3
作者 胡云 王崇骏 +2 位作者 谢俊元 吴骏 周作建 《软件学报》 EI CSCD 北大核心 2013年第11期2710-2720,共11页
时序数据集中的社群演化模式是网络行为动力学研究与应用的重要领域.基于社群演化的离群点检测不仅能够发现新颖的异常行为模式,同时也有利于更准确地理解社群的演化趋势.运用成员关于社群隶属关系的变化,提出了社群演化迁移矩阵的概念... 时序数据集中的社群演化模式是网络行为动力学研究与应用的重要领域.基于社群演化的离群点检测不仅能够发现新颖的异常行为模式,同时也有利于更准确地理解社群的演化趋势.运用成员关于社群隶属关系的变化,提出了社群演化迁移矩阵的概念,研究并揭示了迁移矩阵的若干性质及其与社群结构演化之间的关系.在采用稳健回归M-估计方法进一步优化迁移矩阵降低异常点干扰的同时,对社群演化离群点加以刻画和定义.鉴于复杂网络包含大量随机游走的边缘个体,所定义的离群点综合考虑其在社群中角色的变化和相对于社群总体迁移模式的差异.基于上述思想提出的演化离群点检测算法能够适应各类社群演化趋势,更有效地聚焦和发现大规模社会网络中重要成员的异常演化行为.实验结果表明,所提出的方法能够从大规模社会网络演化序列中发现重要的离群演化模式,并在现实中找到合理的解释. 展开更多
关键词 时序数据集 社群演化 迁移矩阵 稳健回归 离群点检测算法
在线阅读 下载PDF
一种基于离群点的聚类迭代检测算法 被引量:1
4
作者 陈蓉 李艳萍 《科学技术与工程》 北大核心 2012年第35期9725-9729,共5页
大多数数据挖掘算法都可以对数据进行相对准确的分类,然而他们都集中于单独地使用聚类的方法。所以对于离群点存在的数据集,常常不能得出准确的结果。而COID算法(Cluster-outlier Iterative detection)把簇和离群点巧妙地结合起来,通过... 大多数数据挖掘算法都可以对数据进行相对准确的分类,然而他们都集中于单独地使用聚类的方法。所以对于离群点存在的数据集,常常不能得出准确的结果。而COID算法(Cluster-outlier Iterative detection)把簇和离群点巧妙地结合起来,通过它们之间的关系来检测离群点并进行合理聚类。为进一步提高该算法的实用性,现利用prim算法确定初始簇中心,从而降低了迭代次数,实验证明改进后的算法具有更好的可行性、有效性和准确性,适合于高维数据中对于聚类检测的要求。 展开更多
关键词 迭代算法 聚类 COID 离群检测prim算法
在线阅读 下载PDF
基于矢量量化码书的离群点检测方法
5
作者 胡云 李存华 孙志挥 《计算机应用研究》 CSCD 北大核心 2008年第8期2322-2324,2334,共4页
利用矢量量化码书作为数据分类模式最优代表集的特点,提出基于码书的离群点概念,论证了其与经典统计学关于离群点定义的内在联系。在基于学习的矢量量化码书生成算法和最近邻码字搜索算法基础上构造了离群点检测算法。实验结果表明了提... 利用矢量量化码书作为数据分类模式最优代表集的特点,提出基于码书的离群点概念,论证了其与经典统计学关于离群点定义的内在联系。在基于学习的矢量量化码书生成算法和最近邻码字搜索算法基础上构造了离群点检测算法。实验结果表明了提出的关于离群点定义的合理性和算法的有效性。 展开更多
关键词 矢量量化 码书 离群点检测算法
在线阅读 下载PDF
基于用电特征分析的异常用电检测方法 被引量:15
6
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
基于SMOTE和XGBoost的天然气水合物与天然气储层识别 被引量:1
7
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
基于加权改进模糊C均值聚类的欠定混合矩阵估计 被引量:5
8
作者 孙建军 徐岩 《计算机应用》 CSCD 北大核心 2020年第6期1769-1773,共5页
语音欠定混合矩阵估计问题中,针对模糊C均值聚类(FCM)算法对初始聚类中心敏感、易受噪声点干扰、鲁棒性差的缺陷,提出一种基于加权的进化规划与FCM相结合的改进算法(WE-FCM)。首先,利用进化规划(EP)算法强大的搜索能力优化FCM得到基于... 语音欠定混合矩阵估计问题中,针对模糊C均值聚类(FCM)算法对初始聚类中心敏感、易受噪声点干扰、鲁棒性差的缺陷,提出一种基于加权的进化规划与FCM相结合的改进算法(WE-FCM)。首先,利用进化规划(EP)算法强大的搜索能力优化FCM得到基于进化规划的FCM算法(EP-FCM),以获得较佳的初始聚类中心;然后,利用局部离群点检测(LOF)算法对EP-FCM加权以降低噪声点的影响。通过仿真实验得出,所提算法在源信号数为3路和4路时归一化均方误差值与偏离角度值均远小于经典的K均值聚类(K-means)算法、K-Hough、基于遗传算法的FCM算法(GAFCM)和基于密度峰值的FCM算法(FDP-FCM)。实验结果表明,所提算法明显提高了FCM算法的鲁棒性和混合矩阵的估计精度。 展开更多
关键词 模糊C均值聚类算法 进化规划算法 局部离群点检测算法 加权 混合矩阵估计
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部