异常点检测

摘要： 异常点检测是数据挖掘领域的一个重要研究方向,传统的基于近邻和局部异常因子的异常点检测算法存在计算复杂度高和误检率高的缺陷.为解决该缺陷,提出一种基于观测点机制的异常点检测(observation-point mechanism-based outlier detection,OPOD)算法.首先在原始样本空间中随机放置若干观测点,然后计算观测点与样本点之间的距离,将原始数据转换为与观测点相对应的距离数据,再估计距离数据的概率密度函数,进而计算距离数据出现的概率值,最后通过对多个观测点距离数据概率值的融合最终确定原始样本点中的异常点.基于PyCharm平台,采用sklearn.datasets的make_blobs函数生成仿真数据集,分别测试不同规模和不同维度数据集对OPOD算法性能的影响,并对比了OPOD算法、基于局部异常因子的异常点检测(local outlier factor-based outlier detection,LOFOD)算法和基于近邻的异常点检测(nearest neighbor-based outlier detection,NNOD)算法的运行时间、异常点召回率和误检率.结果表明,OPOD算法具有对异常点进行检测的能力,且随着观测点数量的增加算法呈收敛趋势;观测点选取合适的条件下,具有比基于近邻和局部异常因子的异常点检测算法更低的时间复杂度和更好的异常点检测效果.

摘要： 在石油钻井工程中,由于技术和设备的客观因素,导致录井数据经常出现异常值,影响了录井解释评价精度。针对该问题,提出了一种基于BP神经网络的录井异常数据处理方法。为了在构建数据环节中提供准确且可信的工程数据,研究了录井异常数据的产生原因及异常数据的表征,并且通过对比格鲁布斯法、K-means聚类算法以及BP神经网络等方法的特点,选择BP神经网络作为异常值处理的方法。通过模型预测的录井数据误差平方值与样本数据的均方根误差进行比较,来确定数据的异常情况,保证检测异常点的合理性。经实验验证和同类算法的比较,表明了BP神经网络模型可以实现检测录井异常点数据,且检测异常点的准确率高于同类算法,处理异常点结果可信,能够有效解决因异常点数据所带来的问题。

摘要： 本文结合某船历史航行数据提出基于孤立森林和长短时记忆网络(LSTM)算法的柴油机异常点检测方法。运用孤立森林算法对柴油机气缸排气温度数据进行异常点检测;针对缺乏异常数据的船舶柴油机热工压力参数根据其和柴油机转速的强相关性提出基于LSTM算法的异常点检测方法,再通过实船数据验证两种算法异常点检测效果。研究表明基于LSTM和孤立森林算法的柴油机异常点检测算法具备可行性。

摘要： 针对传统智能窗户装置缺乏智能控制功能的现状,文中采用了ESP8266模块与Arduino UNO开发板等部件,设计了智能开窗系统。该系统通过引入异常点检测､智能开关算法,实现了智能控制。同时,为了提高智能开窗控制系统的可靠性,采用基于聚类和异常点检验的方法来增强数据的准确性。实验结果表明,该开窗系统在智能控制准确性方面具有一定优势。

摘要： 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数据进行轨迹异常点识别与修复方法.此方法充分利用AIS数据中的经纬度、速度、加速度以及航向等参数,进行轨迹异常点判定与修复,与基于单一位置数据的异常点判定与修复方法相比,能有效减少异常点的漏判,提高AIS数据的可靠性;与基于航迹聚类的异常点判定方法相比,不需要历史航迹数据支撑,拓展了使用范围.而采用三次样条方法对轨迹间的断点进行插值处理,进一步提升了轨迹数据的连续性和完整性.实际海域船舶AIS数据处理与分析结果验证表明,所提出方法具有较高可行性和有效性.

摘要： 数据的异常点检测是数据挖掘领域的研究热点,目前常规方法存在未考虑数据点的近邻分布和参数选取较敏感等缺陷,因此本文结合箱形图与离群指数进行异常点检测,通过数据的可达距离与近邻分布密度计算离群指数并降序排序,通过箱形图计算异常点的个数(假设为m),从离群指数排序的结果中选取前m个,作为最终检测出的异常点输出.算法仿真结果表明,采用该方法进行异常点检测精确度有很大提升,实例仿真结果符合实际情况.该方法考虑了数据点的近邻分布情况,规避了人为主观确定异常点个数的缺陷,使异常点个数的选取有一定的理论依据,是对异常点检测方法的有益尝试和补充.

摘要： 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计量异常点检测系统,采用了基于ADE7953电能计量芯片的新型智能电能表进行采样,系统中的核心为基于自动编码器与孤立森林的局部异常点检测算法模型.在对高压计量数据进行特征提取后,根据特征空间重构,挖掘出潜藏的异常点波动特征信息,通过计算孤立森林上数据点到根节点的距离,得出异常指数函数.实验表明,该研究局部异常点检测模型的F1综合指标达到93.16％,精准率达到99.37％,整体性能较好.

摘要： 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聚类算法相结合，用建模训练误差和测试误差指导DBSCAN聚类算法中参数的选择。试验表明，该方法能较好地解决传统DBSCAN算法需要人工输入参数的问题，实现了聚类的自动运行，并且提高了算法的准确率。此外，用软测量建模误差检验方法异常点检测的有效性，克服了单纯基于数据的异常点检测方法的不足，同时还完成了软测量建模。使用此方法对上海宝钢集团电力负荷建模数据进行异常点检测，结果表明这种方法可以有效地找出数据集中的异常点，同时建立精准的软测量模型。

摘要： 随着大量的定位数据被收集在应用服务器,如何从大量定位轨迹数据挖掘异常信息已逐渐成为一个令人关注的研究课题。针对当前流行的、以轨迹片段表示局部特征的异常点检测算法存在的问题,文中提出了以轨迹点表示局部特征的异常点检测算法TraLOD。该算法不仅提出了将每个轨迹点赋予一个0～1的值来表示其局部异常程度,而且还引入了相对距离来计算轨迹片段之间的不匹配性。此外,针对数据挖掘算法效率低的缺点,TraLOD引入了R-Tree和距离特征矩阵来提高算法效率。性能分析和实验都证明了TraLOD的有效性。

摘要： 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，即异常点与簇的联系．然而，把异常点得分和聚类方法结合起来有利于对异常点与簇的联系的研究．提出基于数学形态学的模糊异常点检测与分析，把数学形态学技术和基于连接的异常点检测方法集成到一个模糊模型中，从异常隶属度和模糊隶属度这两个方面来分析对象与簇集的模糊关系．通过充分的实验证明，该算法能够对复杂面状和变密度的数据集，正确、高效地找出异常点，同时发现与异常点相关联的簇信息，探索异常点与簇核的关联深度，对异常点本身的意义具有启发作用．

摘要： 异常点检测是数据挖掘领域中的重要研究方向,但传统的异常点检测算法存在许多不足,比如缺乏用户的导向和控制,在挖掘之前就确定了挖掘空间,不能动态地根据中间挖掘结果选取挖掘空间等缺点.数据联机分析挖掘(OLAM)是将OLAP和数据挖掘有机结合,它能方便地对任何一部分数据或不同抽象级别的数据进行挖掘,得到更为详细、更为有用的信息,成为数据挖掘研究的热点.首先针对现有局部异常度定义复杂的问题,提出一种新的基于k距离的局部异常度定义。在此基础上讨论了基于空间数据仓库的动态异常点检测方法,它们是基于约束的异常点检测算法和基于OLAP的探测式异常点检测算法,并在澜沧江空间数据仓库上验证了新的局部异常度定义和所提算法的正确性和有效性。

摘要： 本文首先提出一种改进的haar 小波异常点检测方法，对GARCH 模型残差进行异常点检测，估计异常波动区间。然后采用Granger 因果检验方法，分析异常波动的溢出效应。最后对上证指数和香港恒生指数的收益率GARCH（1,1）模型的残差进行实证分析，发现在短期，沪市对港市存在明显的异常波动溢出效应，而港市对沪市却不存在明显的异常波动溢出效应。但在长期内沪、港两股市间均不存在明显的异常波动溢出效应。

摘要： 本文将机器视觉系统引入到连续运动的布匹表面色差检测中,并用CCD相机取代传统的分光光度计进行颜色测量.在色差检测的过程中,首先利用异常点检测的方法剔除图像中的奇异点,提取出布匹的颜色特征值,再将该特征值与标准样本比较即可得到色差值.然而,布匹在线检测通常比较的是前后色差,CCD成像系统在实际应用中又往往会受到各种干扰,因此其测量结果在时间上前后并不完全一致.为了克服CCD相机这一缺陷,对标样物颜色特征值通过一个参照物进行实时地预测和修正,检测结果表明,使用校正后的颜色特征值使系统在测量的准确性和可靠性上有很大的提高.

摘要： 金融市场上有大量的波动,这些波动可能与经济事件相关.本文采用了基于WTMM(wavelettransfermodulusmaxima）的multifractal形式来检测在高频时间序列下的异常点的存在和定位.我们得到虽然日内高频金融数据和低频数据之间存在着很多统计特征的不同,但是小波的方法可以用于金融高频数据中的异常点的检测的结论.

摘要： DevOps的目标是建立流水线式的准时制（JIT)的业务流程，最大化业务产出。从架构的角度来看，DevOps需要建立一个自动快速部署系统。DevOps的价值应由业务结果来评判，而不是根据IT项目范围和IT成果来评判。

摘要： DevOps的目标是建立流水线式的准时制（JIT)的业务流程，最大化业务产出。从架构的角度来看，DevOps需要建立一个自动快速部署系统。DevOps的价值应由业务结果来评判，而不是根据IT项目范围和IT成果来评判。

摘要： DevOps的目标是建立流水线式的准时制（JIT)的业务流程，最大化业务产出。从架构的角度来看，DevOps需要建立一个自动快速部署系统。DevOps的价值应由业务结果来评判，而不是根据IT项目范围和IT成果来评判。

摘要： 本发明提供一种共挤膜异常晶点检测夹具，包括第一模具和第二模具；第一模具和第二模具均具有合模平面、位于上侧的切片平面和位于下侧的放置平面，合模平面与切片平面、放置平面互相垂直，合模平面设置有贯穿模具的上表面和下表面的凹槽；第一模具和第二模具合模时，两个切片平面共面，第一模具和第二模具合模使待检测薄膜夹持在两者的合模平面之间，两个凹槽相对形成观察通道用于观察待检测区域；本发明还提供应用上述共挤膜异常晶点检测夹具的共挤膜晶点检测方法。本发明的共挤膜异常晶点检测夹具便于生产人员进一步确认共挤膜内的晶点位于哪一个材料层内。

摘要： 本发明公开了一种基于目标检测和骨点检测的异常行为识别方法及装置，本发明通过采用快速区域卷积深度神经网络对视频中的人员进行目标检测，再通过卷积姿势机深度神经网络Convolutional Pose Machines对检测到的人员进行骨点检测，以及通过光流法对检测到的骨点进行跟踪，最后通过分类器对异常行为进行识别，从而实现快速且准确的对视频中的人员的异常行为进行识别和预警，有效解决了现有技术中异常行为识别方法准确率低、实时性差的问题。

摘要： 一种焊点检测模型训练方法包含以下步骤：根据多个第一样本影像训练第一辨识模型辨识影像中设置有焊点的表面贴装元件；根据多个第二样本影像训练第二辨识模型辨识影像中未设置焊点的表面贴装元件；输入已标记的多个原始影像至训练完毕的第一辨识模型以输出多个第一影像；输入多个第一影像至训练完毕的第二辨识模型以输出多个第二影像；以多个第二影像遮罩多个第一影像，以产生多个焊点正常影像及多个焊点异常影像；以及根据多个焊点正常影像及多个焊点异常影像训练焊点检测模型。借此，能够迅速检测表面贴装元件中的焊点是否异常。本案还涉及一种焊点检测方法及焊点检测装置。

摘要： [问题]提供各自可以校正由焦点检测信号之间的形状差异引起的焦点检测误差并且以高精度进行焦点检测的焦点检测设备、焦点检测方法和焦点检测程序。[解决方案]一种焦点检测设备，用于使用通过对穿过成像光学系统的不同光瞳区域的光进行光电转换所获得的像素信号来进行焦点检测，所述焦点检测设备包括：获取部件，用于获取所述像素信号；信号生成部件，用于使用所述像素信号来生成与所述不同光瞳区域相对应的多个焦点检测信号；以及焦点检测部件，用于基于所述多个焦点检测信号来计算检测散焦量，并且通过基于与所述不同光瞳区域相对应的相位传递函数而校正所述检测散焦量来计算校正散焦量。

摘要： 公开了一种技术，其提供交叉节点检测方法等，其中允许经历切换的移动终端快速找出CNR，使得即使在切换之后移动终端可以快速并且连续接收在切换之前接收的附加服务。根据此技术，所述方法包括：其中移动终端(10)将适于由与移动终端当前正在进行通信的接入点连接的接入路由器组成的子网的地址与适于由与不同的接入点连接的接入路由器组成的子网的地址进行比较以提取公共地址部分的步骤；其中所述移动终端将包括所提取的公共地址部分的消息向通信目的地的终端(60)发送的步骤；以及其中位于所述移动终端与所述通信目的地的所述终端之间的、能对分级结构的通信网络上的消息进行解码的中继装置根据所发送的消息判断该中继装置自身是否是交叉路由器的步骤。

摘要： 本发明涉及无线通信领域，公开干扰站点检测方法和邻居站点检测方法。本发明所提供的干扰站点检测方法一包括：移动台MS进行扫描，与扫描到的站点进行同步；接收经同步后的站点所发射的信号，并从所述信号中提取所述同步站点的标识；若提取成功，将所述站点标识上报到为该MS服务的基站BS或中继站RS。本发明提供的邻居站点检测方法一包括：RS接收其他站点发射的信号；从所述信号中提取发射站点的标识，若提取成功，则确认该发射站点是RS的邻居站点；本发明还提供了相应的站点检测装置。通过本发明，能够实现多跳中继通信系统中的中继站对其干扰站点，和/或邻居站点的检测。

摘要： 本发明提供一种特征点检测装置、特征点检测方法及特征点检测程序。其课题在于，实现高速地从图像中检测特征点的位置。作为解决手段，使用学习图像，预先取得各节点配置在特征点的正确位置上的正解模型和任一节点配置在错误位置上的误差模型之差与根据误差模型所取得的节点特征量之间的相关关系的信息。在从输入图像中检测特征点时，生成确定了多个节点的三维位置的三维模型，将各节点投影到输入图像上，从投影点取得节点特征量，根据该节点特征量和学习所得的相关关系的信息，取得表示当前的各节点位置与对应的特征点位置之间的偏差的误差估计量，根据该误差估计量和当前各节点的位置，来估计输入图像中的各特征点的三维位置。

摘要： 本申请涉及显示技术领域，特别是涉及一种异常灯点检测方法、显示装置、计算机设备和存储介质，所述方法包括：依次以显示装置的任一灯点为目标灯点，以目标灯点为中心灯点设定预设区域，并基于预设区域中各灯点与目标灯点的初始校正系数的差值以及预设区域中各灯点与目标灯点的距离值确定目标灯点的异常指标；基于各目标灯点的异常指标与预设阈值的比较结果，确定第一异常灯点掩码图；基于第一异常灯点掩码图的连通域检测结果，确定异常灯点的位置。本发明利用预设区域内目标灯点的异常指标，并利用连通域检测能够快速准确的确定异常灯点。

摘要： 本发明公开了一种显示屏幕异常点检测方法、检测设备和可读存储介质，所述检测方法包括：点亮显示屏幕，获取所述显示屏幕的显示图像；选取所述显示图像中的待测区域，对所述待测区域进行像素偏移，以遮盖所述间隔带在所述显示图像中对应的间隔区域，进行所述像素偏移后生成偏移图像；检测所述偏移图像中亮暗差异点为异常点。本发明技术方案能够准确判断暗色点是否是像素不良点。

摘要： 本发明公开了一种基于动态网格优化的LOF聚类数据异常点检测方法和检测系统，其中检测方法包括如下步骤：1、根据初始单元网格向量M0和增长向量△p，得到最优单元网格向量Mopt；2、根据最优单元网格向量Mopt将数据空间划分为稠密区域Rd、稀疏区域Rs和过渡区域Rt；3、对步骤2中得到的过渡区域Rt中的每一个网格，根据网格周边密度比向量F划分为稠密区域网格G′d和稀疏区域网格G′s；将稀疏区域网格G′s加入到稀疏区域Rs中，组成数据空间的稀疏区域Regions；4、对数据空间的稀疏区域Regions应用LOF算法检测异常点。该方法通过动态网格缩小了LOF算法的运算数据量，极大地降低了LOF算法的计算时间。