公共文化服务平台

搜索到448篇“ 局部离群点“的相关文章

基于机器视觉的造纸检测仪器误差局部离群点检测方法: 2025年; 环境条件波动、仪器自然老化等原因的存在,导致造纸检测仪器正常误差无法避免,其对造纸检测仪器的稳定运行不会造成太大影响,而异常误差点往往会诱发重大故障事件,故提出基于机器视觉的造纸检测仪器误差局部离群点检测方法研究。应用高分辨率相机捕获纸张图像,通过阈值法提取纸张表面缺陷点,利用造纸检测仪器对纸张(与机器视觉对象相同)缺陷点进行检测,对比识别两者之间的差异点,即确定造纸检测仪器误差点。基于局部离群点检测算法计算误差点的局部密度,根据确定的离群点阈值检测异常误差点,从而实现了对造纸检测仪器误差局部离群点的检测。测试结果显示,设计方法应用后获得的纸张表面缺陷点与实际缺陷点高度重合,造纸检测仪器误差点与实际误差点趋于一致,误差局部离群点检测结果(异常误差点检测结果)与实际异常误差点相同。; 杨品张雷张雷; 关键词：机器视觉

基于改进K-means的局部离群点检测方法: 2024年; 离群点检测任务是指检测与正常数据在特征属性上存在显著差异的异常数据。大多数基于聚类的离群点检测方法主要从全局角度对数据集中的离群点进行检测,而对局部离群点的检测性能较弱。基于此,本文通过引入快速搜索和发现密度峰值方法改进K-means聚类算法,提出了一种名为KLOD(local outlier detection based on improved K-means and least-squares methods)的局部离群点检测方法,以实现对局部离群点的精确检测。首先,利用快速搜索和发现密度峰值方法计算数据点的局部密度和相对距离,并将二者相乘得到γ值。其次,将γ值降序排序,利用肘部法则选择γ值最大的k个数据点作为K-means聚类算法的初始聚类中心。然后,通过K-means聚类算法将数据集聚类成k个簇,计算数据点在每个维度上的目标函数值并进行升序排列。接着,确定数据点的每个维度的离散程度并选择适当的拟合函数和拟合点,通过最小二乘法对升序排列的每个簇的每1维目标函数值进行函数拟合并求导,以获取变化率。最后,结合信息熵,将每个数据点的每个维度目标函数值乘以相应的变化率进行加权,得到最终的异常得分,并将异常值得分较高的top-n个数据点视为离群点。通过人工数据集和UCI数据集,对KLOD、LOF和KNN方法在准确度上进行仿真实验对比。结果表明KLOD方法相较于KNN和LOF方法具有更高的准确度。本文提出的KLOD方法能够有效改善K-means聚类算法的聚类效果,并且在局部离群点检测方面具有较好的精度和性能。; 周玉夏浩岳学震王培崇; 关键词：离群点检测 K均值聚类最小二乘法

面向高维数据的局部离群点检测算法研究: 局部离群点检测是一项重要的数据挖掘方向的任务,也是机器学习的一个非常活跃的方向。它是离群点检测中的一种,旨在识别数据集中相对于其邻近数据点而言表现异常的局部异常数据点。而在工业自动化中,通常存在着大量传感器、监控设备和生...; 李子灏; 关键词：高维数据信息熵互信息子空间

基于局部离群点检测的动力电池组不一致早期故障预警: 2024年; 随着新能源汽车的飞速发展,其动力电池的安全性问题受到了社会各界的广泛关注。在新能源汽车运行监控平台上,已有的动力电池安全检测功能无法在电池故障早期给出预警。针对电池不一致性预警问题,设计了一种更适用于实现动力电池组不一致早期故障预警问题的流程。设计了一种基于箱型图法的动态梯度数据清洗策略实现异常数据有效剔除;对数据进行充电阶段划分,提取单体电压变化不一致特征;在此基础上,借助离群检测算法得到各电池单体离群值,进行不一致故障初期预警并识别异常电池单体。对实际出现电池不一致故障车辆回溯分析,验证该流程提前监控平台已有的报警机制不少于7个充电周期,并可对异常单体进行准确定位。; 魏正新吕晗珺闵永军张涌; 关键词：动力电池大数据离群检测故障预警

基于分形理论的异质网络中局部离群点检测被引量：3: 2023年; 为了获取理想的局部离群点检测效果,提高稀有类占比与F-Measure值,提出基于分形理论的异质网络中局部离群点检测方法,挖掘局部离群点中高价值的隐藏信息。根据分形理论中广义维数及多重分形概念,使用基于Z-ordering的多重分形维数算法,计算异质网络数据集的多重分形广义维数。在此基础上,将局部离群点检测问题转化为优化分割问题,建立基于分形理论的异质网络中局部离群点检测优化模型,以贪婪算法为思想,运用FDOM算法求解该优化模型,实现局部离群点检测。实验结果表明,上述方法检测出的局部离群点中稀有类数据占比始终保持最高,且上升速率较快,检测效果最佳;该方法检测异质网络中不同数据类别的局部离群点所得F-Measure值始终高于传统方法,具有理想的检测性能。; 蒋斌黄恩铭; 关键词：异质网络局部离群点

基于局部离群点检测的机房区域入侵报警系统被引量：1: 2023年; 为提高机房区域入侵报警的可靠性、准确性和实时性,基于局部离群点检测算法进行机房区域入侵报警系统多级化设计。应用数据采集服务器和传感器采集数据,形成一个数据帧发送至管理层;以管理层的数据库为数据支撑,结合多级化报警模块,完成数据的多层级处理;利用局部离群点检测算法,生成入侵报警信息并发送报警信息至应用层,完成机房区域入侵报警。实验结果表明:在压缩率为93.9%的情况下,报警数据可靠性较高,只需1.34s即可完成入侵报警发送,报警准确率均高于80%,误报率均在14%以下,可保证机房区域入侵报警效果。; 王春波赵惟诚张向顺李瑞邢冬冬; 关键词：局部离群点入侵报警

基于局部离群点检测和标准差方法的锂离子电池组早期故障诊断被引量：4: 2023年; 锂离子电池由于具有能量密度高、使用寿命长等优点,被广泛应用。为了更加准确地检测出电池组中存在安全隐患的故障电池,本文提出了一种故障检测方法。首先,根据单体故障引起电池组一致性差异,使用引入滑动窗的局部离群点检测算法,检测电池组中不一致单体,同时捕捉单体不一致特性的演化性,根据演化性区分仅存在不一致的单体和具有隐患的故障单体,并对单体的不一致程度划分等级;其次,利用改进标准差算法对检测出的单体诊断故障类型,提取包含故障类型信息的特征作为输入,引入“故障系数”,结合不同故障的判定标准和阈值,实现放大故障特征的同时,区分不同故障类型,有效诊断出早期内短路故障;最后,通过电池组真实运行数据,对所提方法进行验证,分析结果证明本工作所提出算法的有效性、可靠性。; 李纪伟刘睿涵吕桃林潘隆马常军李清波赵芝芸杨文杨文; 关键词：锂离子电池标准差故障检测

一种基于目标函数的局部离群点检测方法被引量：12: 2022年; 针对传统的基于密度的局部离群点检测算法对原始数据集没有进行预处理导致该算法在面对未知数据集时检测效果不理想,又由于其需要计算每一个数据点的离群因子,在数据量过多时,计算量大大增加的问题,通过对局部离群点检测算法的分析,提出了一种基于目标函数的局部离群点检测方法FOLOF(FCM objective function-based LOF).首先,使用肘部法则确定数据集的最佳聚类个数;然后,通过FCM的目标函数对数据集进行剪枝,得到离群点候选集;最后,利用加权局部离群因子检测算法计算候选集中每个点的离群程度.利用该方法在人工数据集和UCI数据集上进行了相关实验,并与其他相关方法进行了对比,结果显示,该算法能够提高离群点检测精度,减少计算量,有效提高离群点检测性能.; 周玉朱文豪孙红玉; 关键词：离群点检测模糊C均值算法目标函数剪枝

基于局部离群点的低压台区线损异常检测被引量：8: 2022年; 为提高低压台区线损异常检测方法的数据采集成功率与检测准确率,提出基于局部离群点的低压台区线损异常检测方法研究。分析低压台区基本结构,获取线损数据集,依据基于密度的局部离群算法完成离群数据点的定义。对数据集进行预处理,通过计算信息熵来判断其是否具有离群属性,通过计算其加权距离,计算各对象间的局部可达密度,继而通过计算各对象的离群因子,通过与离群因子阈值比较完成离群属性的判断,完成低压台区线损异常的检测。对比实验结果显示:该方法可大幅提高低压台区的线损异常检测的数据采集成功率与检测准确率,经过适当治理后其异常情况骤减,改善了该台区的线损情况,提高供电质量和供电效率。; 周慷高林飞陆惠惠; 关键词：局部离群点低压台区线损

面向高维大数据的局部离群点并行检测算法被引量：7: 2022年; 当前局部离群点并行检测算法在实现时,没有消除局部离群点中存在的冗余数据,存在k值不稳定、局部可达密度低、检测时间长的问题,严重影响数据的正常使用,于是提出面向高维大数据的局部离群点并行检测算法。根据信息熵原理采用E-PCA算法提取高维大数据的特征,并消除冗余特征,实现高维大数据的降维处理,提高算法的检测精度;为了在较短的时间内完成局部离群点的并行检测,结合Hadoop分布式平台中的Mapreduce分布框架和传统的离群点检测算法,在高维大数据中完成局部离群点的并行检测。仿真结果表明,所提算法的k值适中、局部可达密度高和检测时间短。; 何美玲李佩雅; 关键词：局部离群点信息熵分布式平台

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈