基于近红外光谱和LOF的蛋清粉非定向掺杂鉴别研究

1

作者 祝志慧 李沃霖 +4 位作者 韩雨彤 叶文杰 金永涛 王巧华 马美湖 《光谱学与光谱分析》 北大核心 2025年第6期1768-1775,共8页

蛋清粉的掺杂鉴别技术对保障蛋粉质量安全具有重要意义,然而目前传统的生物分子检测方法存在操作复杂且耗时长的问题,且针对蛋清粉的掺杂鉴别模型仍主要为定向鉴别模型,其检测范围有限,无法有效覆盖所有可能的掺杂物质,亟需开发一种快... 蛋清粉的掺杂鉴别技术对保障蛋粉质量安全具有重要意义,然而目前传统的生物分子检测方法存在操作复杂且耗时长的问题,且针对蛋清粉的掺杂鉴别模型仍主要为定向鉴别模型,其检测范围有限,无法有效覆盖所有可能的掺杂物质,亟需开发一种快速、准确、泛用的蛋清粉掺杂鉴别方法。该研究引入近红外光谱检测技术,构建了LOF非定向鉴别模型。该模型是一种无监督单分类模型,且在原模型基础上加入MSC预处理和CARS波长筛选处理,提高模型提取光谱特征的能力,减少噪声干扰,降低模型计算量。试验结果表明,LOF非定向鉴别模型针对掺杂蛋清粉的检测率可达到93.6%,其准确率、精确率、召回率、F1分数分别达到了93.6%、95.5%、93.6%、94.5%,针对掺杂浓度超过15%的蛋清粉,可达到100%的检测率,两种测试集的总准确率(AAR)均为93.6%,平均检测时间(AATS)可达到0.0011 s;与其他非定向算法相比具有更高的精度,且相比于传统的定向模型泛用性更强,更适合应用于市面上掺杂种类繁杂的蛋清粉掺杂鉴别。该研究可为后续开发针对蛋粉质量检测的便携式近红外光谱检测仪提供一定的科学基础。 展开更多

关键词 蛋清粉 近红外光谱 真实性检测 局部离群因子检测算法 非定向检测

在线阅读 下载PDF 职称材料

基于LOF-EEMD-LSTM模型的污水水质预测研究 被引量：1

2

作者 游旭 陈会娟 余昭旭 《自动化仪表》 2025年第2期51-56,共6页

为了精准预测污水中溶解氧(DO)浓度值,通过局部异常因子(LOF)算法对深圳某污水处理厂5个月的数据进行分析。利用集合经验模态分解(EEMD)-长短期记忆(LSTM)神经网络模型,对曝气控制系统的出水水质影响较大的DO浓度进行准确预测。首先,通... 为了精准预测污水中溶解氧(DO)浓度值,通过局部异常因子(LOF)算法对深圳某污水处理厂5个月的数据进行分析。利用集合经验模态分解(EEMD)-长短期记忆(LSTM)神经网络模型,对曝气控制系统的出水水质影响较大的DO浓度进行准确预测。首先,通过LOF算法剔除数据中的异常值。然后,使用EEMD算法筛选出输入数据中强相关的特征子序列。最后,将特征子序列输入LSTM模型中以得到DO预测值。试验结果表明,LOF-EEMD-LSTM模型的准确率可达95.4%、平均绝对误差(MAE)为0.036、均方误差(MSE)为0.0038、均方根误差(RMSE)为0.0614、平均绝对百分比误差(MAPE)为0.046。以上指标相比于反向传播(BP)神经网络、随机森林、LSTM、LOF-LSTM、EEMD-LSTM和变分模态分解-最小二乘支持向量机(VMD-LSSVM)预测模型皆有明显的提升。所提模型的预测精度较高,具有较高的实用价值。 展开更多

关键词 污水处理 水质预测 溶解氧 局部异常因子算法 集合经验模态分解 长短期记忆神经网络

在线阅读 下载PDF 职称材料

智慧海关风险评估与信息共享机制创新研究

3

作者 吴晨晨 赵波 +1 位作者 王简 隋波 《移动信息》 2025年第9期189-191,共3页

文中提出了一种基于数字化技术的检测过程优化方案,并分析了其在风险评估、异常值检测以及数据共享方面的创新应用。通过多维空间表示、局部离群因子(LOF)算法、凸空间表示和区块链技术等手段,提升了风险识别的准确性,并优化了海关的通... 文中提出了一种基于数字化技术的检测过程优化方案,并分析了其在风险评估、异常值检测以及数据共享方面的创新应用。通过多维空间表示、局部离群因子(LOF)算法、凸空间表示和区块链技术等手段,提升了风险识别的准确性,并优化了海关的通关流程。实验结果表明,基于数字化技术的智慧海关方法能够显著提高海关风险识别的效率与准确性,为国际贸易的合规性管理提供了更为高效和可靠的解决方案。 展开更多

关键词 风险评估 异常值检测 局部离群因子(LOF)算法

在线阅读 下载PDF 职称材料

水厂采集数据异常检测方法研究

4

作者 尹轶夙 《自动化仪表》 2025年第8期95-100,105,共7页

为保障水厂数据采集系统的稳定、可靠运行,针对数据异常检测问题,创新性地提出一种基于动态滑动窗口(DSW)的异常检测方法。该方法融合了箱型图法、3σ准则法、局部离群因子(LOF)算法和长短期记忆自编码器(LSTM-AE)的优势,实现对水厂多... 为保障水厂数据采集系统的稳定、可靠运行,针对数据异常检测问题,创新性地提出一种基于动态滑动窗口(DSW)的异常检测方法。该方法融合了箱型图法、3σ准则法、局部离群因子(LOF)算法和长短期记忆自编码器(LSTM-AE)的优势,实现对水厂多源数据的实时异常诊断。通过对比DSW、指数加权移动窗口(EWMW)和固定窗口方法的性能,验证了DSW在不同数据类型上的有效性和优越性。试验结果表明:DSW+3σ在液位数据检测中准确率达到99.75%,误报率最低;DSW+LOF能有效识别浊度数据中的连续缺失异常;DSW+LSTM-AE在处理漂移异常数据检测中表现最优,准确率达到88.11%。该研究为水厂采集数据的异常检测提供了高效、准确的解决方法,并可扩展至其他工业过程监控领域。 展开更多

关键词 采集数据 异常检测 滑动窗口 箱型图 3σ准则 局部离群因子算法 长短期记忆自编码器

在线阅读 下载PDF 职称材料

启发式k-means聚类算法的改进研究 被引量：3

5

作者 殷丽凤 栗庆杰 《大连交通大学学报》 CAS 2024年第2期115-119,共5页

启发式k-means聚类算法通过在k-means第一次迭代后查看附近的集群来预测每个数据点可能会被划分到的集群子集,有效地加快了算法的运行速度。但由于启发式算法存在随机选择初始聚类中心以及无法有效识别数据集中离群点的缺陷,导致聚类结... 启发式k-means聚类算法通过在k-means第一次迭代后查看附近的集群来预测每个数据点可能会被划分到的集群子集,有效地加快了算法的运行速度。但由于启发式算法存在随机选择初始聚类中心以及无法有效识别数据集中离群点的缺陷,导致聚类结果的误差平方和较大并且轮廓系数偏小。针对这一问题,提出了CHk-means算法,该算法引入仔细播种方法,克服了启发式k-means算法随机选择初始聚类中心带来的局部最优解问题;该算法引入局部异常因子LOF算法对离群点进行检测,降低了离群点数据对聚类结果的影响。在多个数据集上对3种算法进行对比试验,结果表明CHk-means算法可有效降低聚类结果的误差平方和,增强聚类的轮廓系数,使聚类质量得到明显改善。 展开更多

关键词 聚类算法 K-MEANS 启发式算法 仔细播种 局部异常因子 离群点

在线阅读 下载PDF 职称材料

基于时间序列压缩分割的监测数据异常识别算法研究 被引量：13

6

作者 蒲黔辉 张子怡 +2 位作者 肖图刚 洪彧 文旭光 《桥梁建设》 EI CSCD 北大核心 2024年第3期15-23,共9页

为有效识别桥梁健康监测数据的异常,减少误预警、漏预警现象,保障桥梁监测数据的质量和有效性,针对大跨度斜拉桥长期监测数据的缺失、离群和漂移3类异常数据,提出基于时间序列压缩分割的监测数据异常识别算法。该算法将原始监测数据时... 为有效识别桥梁健康监测数据的异常,减少误预警、漏预警现象,保障桥梁监测数据的质量和有效性,针对大跨度斜拉桥长期监测数据的缺失、离群和漂移3类异常数据,提出基于时间序列压缩分割的监测数据异常识别算法。该算法将原始监测数据时间序列通过基于序列重要点(Series Importance Point, SIP)的时间序列线性分段(Piecewise Linear Represent, PLR)算法(PLR_SIP)得到数条时间子序列;然后采用欧氏距离进行时间子序列的相似性分析,并基于改进的局部离群因子(Local Outlier Factor, LOF)算法计算每条时间子序列的局部离群因子;最后将其与设定的阈值相比较,从而识别出监测数据的异常。为验证该算法的准确性与工程实用性,对某公路大跨度斜拉桥健康监测数据进行异常识别。结果表明:采用PLR_SIP算法对原始时间序列压缩分割得到的时间子序列能够准确地反映原序列的变化趋势和范围;改进的LOF算法突破了传统LOF算法仅能识别离群值这类无持续时间异常的局限性,能够排除噪声的干扰,实现对离群、缺失和漂移3种异常的识别。该算法无需定义训练集,直接以原始监测数据作为算法的输入,同时能够自适应调整阈值参数,具有良好的可扩展性、实时性、准确性和高效性,适用于处理实时、大量的桥梁健康监测数据。 展开更多

关键词 斜拉桥 健康监测数据 异常识别 PLR_SIP算法 LOF算法 时间序列 欧氏距离 局部离群因子

在线阅读 下载PDF 职称材料

基于集成学习的脱硫剂加入量预测方法 被引量：2

7

作者 方一飞 但斌斌 +3 位作者 吴经纬 容芷君 都李平 罗钟邱 《武汉科技大学学报》 CAS 北大核心 2024年第5期361-367,共7页

为解决铁水预脱硫过程中脱硫剂加入量控制问题,提出一种基于集成学习的脱硫剂加入量预测方法。首先,对原始数据进行预处理,将空值、重复值、0值以及不符合工艺规范的数据行删除,并使用LOF算法结合专家经验剔除异常值;其次,基于GBDT算法... 为解决铁水预脱硫过程中脱硫剂加入量控制问题,提出一种基于集成学习的脱硫剂加入量预测方法。首先,对原始数据进行预处理,将空值、重复值、0值以及不符合工艺规范的数据行删除,并使用LOF算法结合专家经验剔除异常值;其次,基于GBDT算法计算每个输入特征的重要性占比,进行特征筛选;最后,采用Optuna超参数自动寻优框架对预测模型调优,寻找最佳超参数组合,预测脱硫剂加入量。利用某钢厂铁水预处理过程中的实际生产数据,分别采用XGBoost、RF、GBDT以及LightGBM等方法构建预测模型并进行对比试验。其中XGBoost模型的拟合精度(R^(2))、均方根误差(RMSE)、平均绝对误差(MAE)以及平均绝对百分比误差(MAPE)分别为0.8962、198.245、119.726以及7.897%,相较于其它模型均是最优。 展开更多

关键词 脱硫剂加入量 铁水预脱硫 局部异常因子 Optuna算法 极限梯度提升树

在线阅读 下载PDF 职称材料

基于IKNN和LOF的变压器回复电压数据清洗方法研究 被引量：4

8

作者 陈啸轩 邹阳 +3 位作者 翁祖辰 林锦茄 林昕亮 张云霄 《电子测量与仪器学报》 CSCD 北大核心 2024年第2期92-100,共9页

基于回复电压极化谱提取特征参量是目前广泛应用的变压器油纸绝缘状态评估方法,但极化谱易受工况干扰、人工失误等因素影响而出现特征数据异常的情况,严重降低评估准确性。针对上述问题,该文提出了一种基于局部离群因子(LOF)和改进K最近... 基于回复电压极化谱提取特征参量是目前广泛应用的变压器油纸绝缘状态评估方法,但极化谱易受工况干扰、人工失误等因素影响而出现特征数据异常的情况,严重降低评估准确性。针对上述问题,该文提出了一种基于局部离群因子(LOF)和改进K最近邻(IKNN)的回复电压数据清洗方法。首先,选取回复电压极化谱的回复电压极大值Urmax、初始斜率Sr与主时间常数tcdom作为老化特征参量,并基于LOF算法对非标准极化谱中的异常特征量数据进行识别与筛除。其次,利用模糊C均值(FCM)聚类算法减小噪声点对KNN算法的干扰,并通过加权欧氏距离标度突出各特征量间的关联性,进而构建出基于IKNN的数据填补模型架构以实现特征缺失数据的填补。最后,代入多组实测数据验证所提数据清洗方法的实效性。结果表明,数据清洗后的状态评估准确率相较于原有数据上升了50%左右,有效提高了变压器回复电压数据质量,为准确感知变压器运行状况奠定坚实的基础。 展开更多

关键词 油纸绝缘 特征数据清洗 局部离群因子算法 回复电压极化谱 改进K最近邻算法

原文传递

基于LOF算法的核辐射自动监测系统设计与实现 被引量：3

9

作者 时劲松 冯江平 +5 位作者 王珍华 张金帆 闫翠翠 刘焱 杨颖琪 彭丽君 《核电子学与探测技术》 CAS 北大核心 2024年第2期303-310,共8页

为适应对高精度、全覆盖的核辐射监测要求,本文基于局部离群因子算法(Local Outlier Factor,LOF)设计了一套完善的核辐射自动监测系统。首先,结合具体情况,进行核辐射自动监测站布点,实时获取核辐射监测数据并通过无线通信网络传至服务... 为适应对高精度、全覆盖的核辐射监测要求,本文基于局部离群因子算法(Local Outlier Factor,LOF)设计了一套完善的核辐射自动监测系统。首先,结合具体情况,进行核辐射自动监测站布点,实时获取核辐射监测数据并通过无线通信网络传至服务器,采用传输加密技术保障数据传输过程的安全性与可靠性;其次,通过引入LOF算法有效识别监测数据中存在的传感器故障或者设备缺陷导致的无效监测异常值,无效值将不列入数据统计;最后,将有效的监测实时数据传送至监测指挥中心。系统试运行测试结果表明:该系统能有效针对各种硬件故障导致的无效数据进行高可靠性的实时监测和识别,无效数据判断准确性超过95%,提高了核辐射环境自动监测的稳定性和可靠性,有效防范核辐射造成的危害,为促进生态系统的可持续发展提供参考。 展开更多

关键词 核辐射 LOF算法 大数据监测 核与辐射安全

在线阅读 下载PDF 职称材料

轨式输送机轮轨噪声预测技术研究

10

作者 马红荣 牟宗磊 胡景淇 《噪声与振动控制》 CSCD 北大核心 2024年第5期186-192,共7页

针对轨式输送机运行中产生的噪声污染问题,基于通过现场试验采集的噪声数据,提出一种基于参数优化多项式曲面拟合的轨式输送机轮轨噪声建模方法。根据均值和最大值筛选出异常数组,采用局部离群因子算法检测异常数组中的异常数据并替换... 针对轨式输送机运行中产生的噪声污染问题,基于通过现场试验采集的噪声数据,提出一种基于参数优化多项式曲面拟合的轨式输送机轮轨噪声建模方法。根据均值和最大值筛选出异常数组,采用局部离群因子算法检测异常数组中的异常数据并替换。选取预处理后数据的最大值,以残差平方和最小值为目标函数,利用秃鹰搜索算法建立不同位置处轨式输送机轮轨噪声预测模型,揭示距离和速度对噪声的影响规律。分析结果表明:在轨式输送机机头、中间、机尾3个位置处模型拟合度达到0.9以上,模型预测值与实测值的误差小于0.7dB(A),模型吻合度较好;在距离和速度的影响下,机头处噪声高于机尾处噪声且变化趋势基本一致;中间处噪声低于机头与机尾处噪声且随速度与距离的增加呈二次曲线型变化。该研究成果可为轨式输送机噪声控制提供理论依据。 展开更多

关键词 声学 轨式输送机 噪声预测 多项式曲面拟合 局部离群因子算法 秃鹰搜索算法

在线阅读 下载PDF 职称材料

基于局部离群因子的电力计量数据异常值自动化监测系统 被引量：1

11

作者 李宗朋 苏良立 +1 位作者 赖鸿波 张婉 《自动化与仪表》 2024年第11期137-140,共4页

针对电力计量数据异常导致的电力系统故障,提出基于局部离群因子的电力计量数据异常值自动化监测系统。该系统集成多传感器采集数据,通过通信模块传输至处理模块。该模块先运用AP聚类算法将数据聚类成多个类簇,再使用局部离群因子模型... 针对电力计量数据异常导致的电力系统故障,提出基于局部离群因子的电力计量数据异常值自动化监测系统。该系统集成多传感器采集数据,通过通信模块传输至处理模块。该模块先运用AP聚类算法将数据聚类成多个类簇,再使用局部离群因子模型计算离群度,通过离群度数值得到异常类簇,则该异常类簇为异常值,再将监测结果传输到用户PC端,实现电力计量数据异常值自动化监测。实验结果表明,该系统聚类电力计量数据时的疏密度数值较高,可有效检测异常值,应用性能较为显著。 展开更多

关键词 局部离群因子 电力计量数据 异常值 自动化监测 AP聚类算法 离群度

在线阅读 下载PDF 职称材料

基于LSNPE算法的化工过程故障检测 被引量：24

12

作者 宋冰 马玉鑫 +1 位作者 方永锋 侍洪波 《化工学报》 EI CAS CSCD 北大核心 2014年第2期620-627,共8页

复杂化工过程通常具有多个操作模态,而且采集的数据不服从单一的高斯或非高斯分布。针对化工过程的多模态和复杂数据分布问题,将局部标准化(local standardized,LS)策略应用于邻域保持嵌入(neighborhood preserving embedding,NPE)算法... 复杂化工过程通常具有多个操作模态,而且采集的数据不服从单一的高斯或非高斯分布。针对化工过程的多模态和复杂数据分布问题,将局部标准化(local standardized,LS)策略应用于邻域保持嵌入(neighborhood preserving embedding,NPE)算法,提出了一种新的基于局部标准化邻域保持嵌入(local standardized neighborhood preserving embedding,LSNPE)算法的故障检测方法。首先,使用LSNPE算法提取高维数据的低维子流形,进行维数约减,同时保持邻域结构不变。其次,通过特征空间中样本的局部离群因子(local outlier factor,LOF)构造监控统计量并确定其控制限。相较于监控多模态化工过程的多模型策略,提出的LSNPE方法不需要过程先验知识的支持,只需建立一个全局的监控模型。最后,通过数值仿真及Tennessee Eastman(TE)过程仿真研究验证了本文提出方法的有效性。 展开更多

关键词 局部标准化 邻域保持嵌入算法 局部离群因子 多模态过程系统 监控模型

在线阅读 下载PDF 职称材料

利用局部离群因子算法探测核心技术发展趋势——以中国风能专利数据为例 被引量：14

13

作者 李佳佳 马铁驹 《情报杂志》 CSSCI 北大核心 2017年第3期119-124,195,共7页

[目的/意义]为验证局部离群因子算法在探测核心技术及核心技术发展趋势的有效性,丰富专利分析领域的研究。[方法/过程]以中外专利数据库服务平台CNIPR作为数据源,分别从局部离群因子算法和社会网络分析方法两个视角对中国风能领域的专... [目的/意义]为验证局部离群因子算法在探测核心技术及核心技术发展趋势的有效性,丰富专利分析领域的研究。[方法/过程]以中外专利数据库服务平台CNIPR作为数据源,分别从局部离群因子算法和社会网络分析方法两个视角对中国风能领域的专利数据进行对比分析,识别中国风能领域的核心技术以及核心技术的发展趋势。[结果/结论]结果显示,局部离群因子算法(LOF)和社会网络分析方法得出的结论基本一致:即中国在风力发电机技术方面一直保持优势,未来的发展潜力集中在风能照明装置及系统,验证了局部离群因子算法在探测核心技术及核心技术发展趋势方面的有效性。 展开更多

关键词 局部离群因子算法 专利分析 共现网络 技术预测 中国风能

在线阅读 下载PDF 职称材料

基于网格划分加权的分布式离群点检测算法 被引量：10

14

作者 梅林 张凤荔 +1 位作者 王瑞锦 高强 《电子科技大学学报》 EI CAS CSCD 北大核心 2020年第6期860-866,共7页

分布式计算被广泛应用于离群点检测问题,但分布式环境中节点计算性能的差异带来了数据计算性能的下降问题。针对面向大尺度高维数据离群点分布式计算的负载均衡问题,该文提出了一种加权分布式离群点检测方法。首先根据数据节点的计算性... 分布式计算被广泛应用于离群点检测问题,但分布式环境中节点计算性能的差异带来了数据计算性能的下降问题。针对面向大尺度高维数据离群点分布式计算的负载均衡问题,该文提出了一种加权分布式离群点检测方法。首先根据数据节点的计算性能确定数据节点的权值,然后将数据空间划分为若干个网格,最后设计了一种基于网格划分的加权分配算法WGBA,将这些网格分配到数据节点中,实现并行计算。实验验证了该方法的有效性。 展开更多

关键词 基于密度的离群点检测 分布式算法 网格划分 局部异常值因子

在线阅读 下载PDF 职称材料

一种基于聚类和快速计算的异常数据挖掘算法 被引量：12

15

作者 孟静 吴锡生 《计算机工程》 CAS CSCD 2013年第8期60-63,68,共5页

传统局部离群因子(LOF)算法在动态增量数据库环境下,进行二次异常数据挖掘需重新计算所有数据对象局部偏离因子,存在效率较低的问题。为此,提出一种基于聚类和快速计算的异常数据挖掘算法。对传统DBSCAN算法进行改进,并且在该改进算法... 传统局部离群因子(LOF)算法在动态增量数据库环境下,进行二次异常数据挖掘需重新计算所有数据对象局部偏离因子,存在效率较低的问题。为此,提出一种基于聚类和快速计算的异常数据挖掘算法。对传统DBSCAN算法进行改进,并且在该改进算法聚类的基础上,仅对部分数据对象计算局部偏离因子。实验结果表明,该算法在动态增量数据库环境下,与LOF与lncLOF算法相比,不仅计算时间效率高,而且能提高挖掘异常数据的精度。 展开更多

关键词 动态增量数据库 局部离群因子算法 lncLOF算法 DBSCAN算法 聚类

在线阅读 下载PDF 职称材料

基于统计证据的半监督多分类器融合方法 被引量：2

16

作者 孔志周 蔡自兴 《控制与决策》 EI CSCD 北大核心 2011年第11期1616-1620,共5页

针对半监督学习中未标记示例导致性能下降的问题,提出一种新的协同训练算法LDL-tri-training.首先通过最小显著性差异(LSD)假设检验方法使得3个成员分类器两两之间具有显著性差异;然后采用D-S证据理论提高标注的稳定性;最后利用局部异... 针对半监督学习中未标记示例导致性能下降的问题,提出一种新的协同训练算法LDL-tri-training.首先通过最小显著性差异(LSD)假设检验方法使得3个成员分类器两两之间具有显著性差异;然后采用D-S证据理论提高标注的稳定性;最后利用局部异常因子检测算法剔除误标记的噪声样本.实验表明,与其他方法相比,LDL-tri-training算法具有较高的分类精度和稳定性. 展开更多

关键词 半监督 协同训练 最小显著性差异 统计证据 局部异常因子检测算法

原文传递

基于记忆效应的局部异常检测算法 被引量：8

17

作者 李健 阎保平 李俊 《计算机工程》 CAS CSCD 北大核心 2008年第12期4-6,共3页

基于密度的局部异常检测算法(LOF算法)的时间复杂度较高,限制了其在高维数据集以及大规模数据集中的使用。该文通过分析LOF算法,引入记忆效应概念,提出具有记忆效应的局部异常检测算法——MELOF算法。实验测试表明,该算法的计算结果与LO... 基于密度的局部异常检测算法(LOF算法)的时间复杂度较高,限制了其在高维数据集以及大规模数据集中的使用。该文通过分析LOF算法,引入记忆效应概念,提出具有记忆效应的局部异常检测算法——MELOF算法。实验测试表明,该算法的计算结果与LOF算法完全相同,而且能够大大缩短运行时间。 展开更多

关键词 数据挖掘 异常检测 局部异常因子 记忆效应 MELOF算法

在线阅读 下载PDF 职称材料

IncLOF:动态环境下局部异常的增量挖掘算法 被引量：34

18

作者 杨风召 朱扬勇 施伯乐 《计算机研究与发展》 EI CSCD 北大核心 2004年第3期477-484,共8页

异常检测是数据挖掘领域研究的最基本的问题之一 ,它在欺诈甄别、贷款审批、气象预报、客户分类等方面有广泛的应用 以前的异常检测算法只适应于静态环境 ,在数据更新时需要进行重新计算 在基于密度的局部异常检测算法LOF的基础上 ,提... 异常检测是数据挖掘领域研究的最基本的问题之一 ,它在欺诈甄别、贷款审批、气象预报、客户分类等方面有广泛的应用 以前的异常检测算法只适应于静态环境 ,在数据更新时需要进行重新计算 在基于密度的局部异常检测算法LOF的基础上 ,提出一种在动态环境下局部异常挖掘的增量算法IncLOF ,当数据库中的数据更新时 ,只对受到影响的点进行重新计算 ,这样可以大大提高异常的挖掘速度 实验表明 ,在动态环境下IncLOF的运行时间远远小于LOF的运行时间 ,并且用户定义的邻域中的最小对象个数与记录数之比越小 。 展开更多

关键词 数据挖掘 异常检测 局部异常因子 局部可达密度 增量挖掘算法

在线阅读 下载PDF 职称材料

一种不等长的多模态间歇过程故障检测方法 被引量：13

19

作者 郭金玉 袁堂明 李元 《化工学报》 EI CAS CSCD 北大核心 2016年第7期2916-2924,共9页

提出一种不等长的多模态间歇过程故障检测方法。首先,运用局部加权算法对不等长批次数据进行预处理。在训练样本中确定不等长数据的最大可保留长度,利用k近邻信息,通过加权重构出不等长批次缺失的数据点。其次,对等长的训练集构造局部... 提出一种不等长的多模态间歇过程故障检测方法。首先,运用局部加权算法对不等长批次数据进行预处理。在训练样本中确定不等长数据的最大可保留长度,利用k近邻信息,通过加权重构出不等长批次缺失的数据点。其次,对等长的训练集构造局部近邻标准化矩阵,运用K-means算法进行模态聚类,使用局部离群因子方法确定第一控制限,并剔除离群样本。最后,对各个模态建立MPCA模型并确定第二控制限。根据各个模态控制限的匹配系数计算统一的统计量和控制限,在统一的控制限下进行多模态故障检测。将提出方法应用于半导体工业过程,仿真结果表明,与传统的故障检测算法相比,本文算法提高了故障检测率,验证了该方法的有效性。 展开更多

关键词 多模态过程 故障检测 不等长数据 主元分析 算法 模型 局部离群因子 局部近邻标准化矩阵

在线阅读 下载PDF 职称材料

MELOF算法的理论分析与拓展 被引量：1

20

作者 李健 阎保平 李俊 《计算机工程》 CAS CSCD 北大核心 2009年第19期94-96,共3页

介绍LOF算法、记忆效应以及MELOF算法,对记忆效应进行理论证明,验证MELOF算法的正确性,同时分析该算法的不足和记忆效应的一些特性。针对MELOF算法中的不足进行改进,介绍未来的研究方向,即参数自动选择和利用分而治之思想提高运行效率等。

关键词 数据挖掘 异常检测 局部异常因子 记忆效应 MELOF算法

在线阅读 下载PDF 职称材料