搜索结果: 1-15 共查到“异常数据”相关记录19条 . 查询时间(0.469 秒)
中国科学院深圳先进技术研究院专利：一种交通轨迹数据中异常数据获取方法及系统
针对北斗卫星钟差数据中出现钟跳、粗差等异常数据频次较高的问题，将半参数平差模型引入BDS的钟差数据的处理过程中。首先，在考虑系统误差的同时，改进了常用的钟差模型；其次，综合考虑异常数据和系统误差，利用补偿最小二乘原理和极值求解方法，详细推导了分离异常数据前后参数和非参数估计值与相应观测值改正数的关系表达式，实现了异常数据的定值、参数求解和系统误差分离。在此基础上，引入Cook距离，给出了利用参数分...
以节点数据的时空相关性为理论依据，通过定量数据与定性知识之间的不确定性转换，在知识层面上比较节点间数据的相似程度，实现对单节点数据的群体信任评估，进而设计了一种实时的WSN异常数据过滤方法，在节点数据采集过程中实时发现可疑数据。仿真实验验证了此方法不但能够实时过滤异常数据，提升WSN的入侵容忍能力，还有较低的通信及计算开销。
一种基于信息熵的异常数据挖掘算法
粗糙集 粒计算 异常数据挖掘 信息熵
2014/2/28
信息熵是粒计算理论中度量不确定信息的重要工具之一, 已有的异常数据挖掘算法主要针对确定性的异常
数据挖掘, 采用信息熵度量不确定性数据进行异常数据挖掘的研究报道较少. 鉴于此, 在引入信息熵概念的基础上,
定义基于信息熵的异常度来度量数据之间的异常程度, 并提出基于信息熵的异常数据挖掘算法, 该算法可有效进行
异常数据的挖掘. 理论分析与实验结果表明, 所提出算法是有效可行的.
在无线传感器网络下，进行分布式系统下数据流时间序列的离群检测研究，对实际生活中的火灾检测、欺诈、入侵检测和金融分析等诸多领域都有非常重要的作用。本文先对序列进行标准化，再利用动态时间弯曲距离进行序列间离群检测，较大地提高了检测的精度。同时针对DTW的计算复杂度瓶颈问题，加入了提前终止的思想，并利用多级判断来进一步提速。通过NS2仿真实验，验证了本文所提出的分布式系统下离群序列的加速检测方法既节省了...
某超高压气田气井生产动态异常数据诊断和分析
现代产量递减分析 气藏动态分析 超高压气田
2014/3/18
某超高压气田受井况影响,气井在投产一段时间后出现流压下降速度快、流压变化趋势与产量不匹配等生产曲线严重失真现象,影响了对气井真实动态特征的认识.这种异常生产曲线,如何去伪存真并还原气井的真实生产动态是该气田动态分析中首先要解决的问题.建立了从异常生产曲线诊断筛选—正常数据跟踪分析解释—解释结果可靠性验证的一整套异常曲线分析方法.首先根据现代产量递减分析基本原理和超高压气藏PVT特征,建立了简化的超...
在优选延拓法的理论基础上,研究提出基于格林等效层概念和维纳滤波器的优化滤波法,用于对重力异常数据进行去噪和分离.与传统向上延拓法和优选延拓法相比,优化滤波法分离异常与延拓高度无关,不需要已知延拓高度,具有一定的优势.理论重力模型数据的去噪和异常分离试验表明优化滤波法有效,异常分离效果优于传统向上延拓法和带通滤波法.利用优化滤波法对中国大陆重力异常数据去噪和异常分离,得到有效的布格重力异常和区域重力...
为了更精准地剔除固体推进剂燃速数据的异常数据，分析了格拉布斯法则和t检验法则，指出了格拉布斯法则的缺陷。通过两种方法对相同的测试数据进行实验，结果表明，t检验法则在保持格拉布斯法则精度的基础上可以剔除格拉布斯法则不能剔除的异常数据。证明t检验法则可以更精确地筛选异常数据，并在t检验法则的基础上提出了一种新的快速收敛的筛选算法。
基于小波隐马尔科夫模型的控制过程异常数据检测方法
改进递推小波算法 隐马尔可夫模型 过程数据
2014/9/25
针对小波异常信号检测原理的局限性, 提出了适用于过程数据的基于小波隐马尔可夫模型(W-HMM) 的异常数据检测方法. 首先在一定尺度下对检测信号进行分解, 将频率组分不同于其他大部分信号的信号作为异常信号;然后通过计算待检测信号的小波系数与正常信号小波系数的相似概率, 并利用求取隐马尔可夫模型(HMM) 最优状态链的Viterbi 算法对数据进行最终判断; 最后通过数值验证和应用表明了所提出的检测...
采用属性相关分析的异常数据检测方法
异常数据 检测 相关分析 度量
2013/5/10
为了发现数据库中的异常数据，提出了两个数据项集之间相关可信度的新概念，并研究了基于该度量的异常数据检测规则的计算算法，产生的规则适合于离散型属性孤立点的检测。在计算检测规则中，最小相关可信度阈值不需由用户指定，而是根据1〖CD*2〗数据项集的频率确定；利用相关可信度的性质，可以减小检测规则计算算法的时间复杂度。实验结果表明，采用该方法计算获得的相关规则进行异常数据检测，不仅效率较高，而且检测的准确...
采用属性相关分析的异常数据检测方法
异常数据 检测 相关分析 度量
2013/8/10
为了发现数据库中的异常数据，提出了两个数据项集之间相关可信度的新概念，并研究了基于该度量的异常数据检测规则的计算算法，产生的规则适合于离散型属性孤立点的检测。在计算检测规则中，最小相关可信度阈值不需由用户指定，而是根据1〖CD*2〗数据项集的频率确定；利用相关可信度的性质，可以减小检测规则计算算法的时间复杂度。实验结果表明，采用该方法计算获得的相关规则进行异常数据检测，不仅效率较高，而且检测的准确...
基于支持向量机的回归预测和异常数据检测
热能动力工程 异常数据 实时数据
2009/8/13
针对电站实时数据中普遍存在异常数据的情况，提出一种基于支持向量回归的异常数据检测方法。该方法利用支持向量回归估计模型不倾向于消除个别大的回归误差，而是从整体上考虑回归曲线的平滑程度的特点，通过比较回归估计值与实测值之间的残差来识别测量数据中的异常数据。以某300 MW机组的主蒸汽流量为具体对象，给出了该方法的算例和检测结果，计算结果表明该方法能有效地实现异常数据的定位与分离，为提高电站性能...
基于加权快速聚类的异常数据挖掘算法
学习规则 K-均值聚类 加权快速聚类
2009/6/25
聚类是数据挖掘领域中最活跃的研究分支之一，并在其他的科学领域也有广泛的应用。设计了基于加权快速聚类的异常数据挖掘算法，以便能快速发现异常数据。首先通过对数据的每个属性赋予一定权值，权值的大小要体现其对分类的贡献度，并根据属性权值的特点，选择比较优良的初始分区，然后进行多次迭代，得到接近最优分区，接着运用一定规则，发现异常数据类，最后实践证明该技术取得很好的社会效果。
负荷历史数据是进行中长期负荷预测的基础。历史数据异常及缺失将严重影响负荷预测模型的精度及有效性。针对传统异常数据辨识方法和缺失数据填补方法的不足，提出了基于T2椭圆图的异常数据识别和基于最小二乘支持向量机(least square support vector machine，LSSVM)的缺失数据填补方法。采用偏最小二乘法(partial least square，PLS)提取历史数据主成份，计...
基于滑动窗口的多变量时间序列异常数据的挖掘
多变量时间序列 扩展的Frobenius范数 异常数据挖掘
2009/4/9
与其它多变量时间序列(MTS)子序列显著不同的子序列，称为异常子序列(含异常数据)。该文提出了一种基于滑动窗口的MTS异常子序列的挖掘算法，使用扩展的Frobenius 范数来计算两个MTS子序列之间相似性，使用两阶段顺序查询来进行K-近邻查找，将不可能成为候选异常子序列的MTS子序列剪去，对上海证券交易所股票交易情况MTS数据集进行了异常子序列(含异常数据)挖掘，结果表明了算法的有效性。