异常点检测相关论文
支持向量机是检测异常点的常用方法，但其仍然存在难以高效获取最优参数，导致检测效率低、稳定性差的问题。鉴于此，提出一种改进的麻雀......
目的 利用异常识别算法识别出原数据集中存在的奇异点,以建立预测精度更高的酒醅定量分析模型。方法 采用集群分析思维,利用马氏距......
支持向量机是异常点检测的常用方法。但是，仍然存在难以快速有效获取最优参数，导致检测效率低、稳定性差的共性问题。鉴于此，提出一种......
挖掘工业大数据的隐含价值是智能制造的一个重要研究方向，针对工业大数据特点开展异常点检测是实现数据分析的前提。首先，介绍了工业......
在一些应用场景下异常的偏离大多数数据的数据（异常点）被认为是有价值的信息,这些数据可以提供重要的价值,比如异常点检测技术已经广......
随着科学技术的日益发展和人类社会的不断进步,人们在日常生活中的方方面面都积累着大量的数据,一个大数据的时代已然来临。不同于......
当前,新一轮科技革命和产业变革正加快我国经济发展方式转变,制造业格局面临重大调整,大数据、云计算、边缘计算等新一代信息技术......
在跨境电子商务产业链中,供应链需求预测需要预测每个商品在每个仓库未来的需求量,以便将商品提前准备在全球各个市场的仓库,可有......
针对传统高压计量泄露异常点检测算法实时性差、计算量大、内存开销大等问题,提出一种新型的解决方案.该方案基于大数据平台的高压......
数据挖掘技术,通过一系列的数据预处理及挖掘算法,将所收集的海量数据转化为有价值的知识,从而实现数据平台"智能/智慧管理"的目标......
提出了一种用于复杂工业过程的异常点检测与软测量建模相结合的方法，即TSSSM-DBSCAN算法。该算法将时间序列软测量建模与DBSCAN聚类......
针对隔离森林异常点检测方法计算烦琐、耗时长等不足,提出基于XmR控制图的异常点检测算法.通过计算样本属性的单值均值、移动极差......
数据挖掘，就是从大规模的数据集中提取潜在的、隐含的、有价值的知识、模式或规则的过程。从大规模的数据集中挖掘的模式一般可以分......
在高度信息化的今天，产生的海量数据和新型数据集都对传统的数据分析技术形成挑战。数据挖掘不断突破这些挑战带来的种种局限性，为当......
近年来,数据收集与处理技术导致了大量的数据不一致和丢失,这样的数据通常是以不确定的形式出现。不确定数据的出现对传统的数据挖......
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息......
演化是软件生命周期的重要部分。挖掘软件仓库的代码信息可以提供更多软件演化的信息。随着软件系统越来越复杂,软件系统的结构特......
随着社会的发展进步,电力在人们的生活中发挥着越来越重要的作用。近年来物联网迅速发展,智能电网得到广泛普及,电力行业成功迈入......
在不断涌现出的新型恶意软件以及恶意软件变种过程中,一方面由于传统的检测模型过分依赖已知样本,无法检测新的恶意行为,另一方面......
在油气开采、集输、加工过程中由于温度、压力等条件发生改变时,油气体系内容易析出石蜡,这会大大降低油气田开发的效率,并损耗各......
社区发现技术可以挖掘网络中的子结构,是了解和分析复杂社会结构的宝贵工具。通过社区发现技术可以揭示原始网络中隐蔽的社区结构,......
随着互联网技术以及计算机科学技术的蓬勃发展,我们身边的很多日常行为都会以数据的方式被存储起来。随着数据量的不断增长,对这些......
高光谱图像异常点检测中,传统RX异常点检测算法忽略了空间相关性,背景估计不准确。本文提出了一种基于图像局部邻域光谱显著性分析......
异常点检测在机器学习和数据挖掘领域中有着十分重要的作用.当前异常点检测算法的一大缺陷是正常数据在边缘处异常度较高,导致在某......
针对电站实时数据中普遍存在异常数据的情况,提出一种基于修正的3σ原则的电站复杂热力过程数据检验方法.本文采用支持向量机方法......
油气管道泄漏会造成严重危害,因此,亟需寻找一种能快速检测油气管道信号的技术.传统的傅里叶变换是一种全局变换,无法描述信号的局......
近年来,生物特征识别技术受到了人们的普遍关注。与传统的基于物品的(例如身份证)或基于记忆的(例如密码)身份验证方式不同,生物特......
公开号:CN103884670A公开日:2014.06.25申请人:西安交通大学摘要一种基于近红外光谱的烟气成分定量分析方法,采集火力发电厂烟气信......
定位技术、通信技术和计算能力的快速发展催生了轨迹大数据，海量的轨迹数据中蕴藏着丰富的有价值的目标活动信息。这激发了广大研究......
Deep Web中蕴含海量的高质量数据。面向Deep Web的数据分析已成为目前Deep Web领域新的研究热点。由于Deep Web本身存在查询接口限......
本文结合国家863计划项目“空间数据挖掘的神经网络技术研究”（No．2007AA12Z228）展开研究。 目前，数据预处理已经成为实现对大规模......
线性回归模型作为统计学科中最基础、应用最广泛的数学模型，是探求变量间关系、分析数据有效性的有力工具。本文主要围绕:线性回归......
近些年来,计算机技术得到了迅猛的发展,相应的,也带动了数据库领域和信息技术领域相关技术的飞快升级。数据挖掘技术被广泛的应用......
动态因子模型在经济学和应用经济中有着广泛的应用．这其中根本的原因在于，动态因子模型能够使大维时间序列转化为低维因子序列的形式......
异常检测的历史较长，可追溯至1777年的Bernouli评论，在经济、社会、网络等方面都广泛应用，并成为数据挖掘的一个重要领域。在金融领域......
对于一个城市尺度的居民用气、用水数据系统,其数据量之大通常是人力无法或难以处理与分析的,往往需要借助于数据挖掘技术.基于天......
在时间序列分析中，双线性模型的研究越来越重要，这是基于双线性模型能够很好拟合现实中许多非线性现象。其中，变点估计和异常点检测是......
"煤改电"工程改变了电网的负荷特性,对线损造成了重大影响。为降低"煤改电"工程造成的负面影响,进而提高供电单位的效益,以实施"煤......
异常点检测作为数据挖掘的一项重要任务,可能会导致意想不到的知识发现.但传统的异常点检测技术都忽略了数据的自然结构,即异常点......
针对当前海上AIS数据量持续增加并且存在较多异常点,导致基于AIS数据的船舶轨迹构建困难,提出一种基于单船自身AIS数据进行轨迹异......
在分析了各种异常点检测算法的基础上,提出了一种分类异常点检测算法,该方法能够对数据在各个方面表现出的异常情况进行全面检测,......
介绍一种有效发现和去除三维数据噪声方法,它既能改善去除噪声的效果,又能保持特征信息。该方法是一种两阶段噪声数据处理方法。该......
异常点检测在机器学习和数据挖掘领域中有着十分重要的作用。当前异常点检测算法的一大缺陷是正常数据在边缘处异常度较高,导致在......
一般的表决器多是针对一维输出进行表决,构建表决器相对应的决策树,预先给出阈值来制定表决策略。但是对于多维输出的表决器研究相......
大多数基于密度的异常点检测算法需要设置两个输入参数，并对输入参数很敏感，用户设置不正确会导致算法不能发现所有有意义的异常点，甚......
