检索结果-内蒙古大学图书馆

计算技术与自动化 2023年第2期42卷 75-80页

作者：王公晗姜胜兰国网沭阳县供电公司江苏沭阳223600

针对电网运行数据堵塞程度较高,传输安全性较差的问题,提出了基于局部离群点检测算法的电力通信网络拥塞安全控制方法。通过电力通信网络的通道模型与路由监测协定,凭借波特间隔均衡法优化节点布局,结合自适应偏差补充调整反馈,均衡通... 详细信息

针对电网运行数据堵塞程度较高,传输安全性较差的问题,提出了基于局部离群点检测算法的电力通信网络拥塞安全控制方法。通过电力通信网络的通道模型与路由监测协定,凭借波特间隔均衡法优化节点布局,结合自适应偏差补充调整反馈,均衡通道。针对储存空间、带宽容量、CPU处置功能等主要拥塞因素,分析数据密度估计值,并在带宽函数中加入邻域平均距离得到局部密度,推导出数据的局部离群点,通过调节离群点大小断定和控制电力通信网络。实验证明,所提方法能够精准检测出电力通信网络是否拥塞,及时调节通信数据,降低堵塞程度,保证信息可以安全传输。

关键词：局部离群点检测算法电力通信拥塞安全控制带宽容量缓存空间

来源：评论

学校读者我要写书评

暂无评论

局部离群点检测算法在Hadoop上的研究与实现

局部离群点检测算法在Hadoop上的研究与实现

引用

作者：刘亚梅江苏科技大学

学位级别：硕士

随着计算机技术与互联网信息技术的高速发展,全球进入大数据时代,人们从数据的消费者变成了数据的产生者。数据规模急速膨胀,企业以及用户如何从海量数据中获得有价值的信息成为他们面对的首要问题。人们对数据蕴含的知识的探索推动了... 详细信息

随着计算机技术与互联网信息技术的高速发展,全球进入大数据时代,人们从数据的消费者变成了数据的产生者。数据规模急速膨胀,企业以及用户如何从海量数据中获得有价值的信息成为他们面对的首要问题。人们对数据蕴含的知识的探索推动了数据挖掘领域的发展。离群点检测作为数据挖掘的一支,备受人们的青睐,随着数据量的增加,离群点同样蕴含重要的有价值的信息。离群点检测的应用领域广泛,例如网络入侵检测,医学疾病监控,环境检测等领域。此外,利用云计算和分布式原理处理大规模数据的技术发展迅猛,以开源的Hadoop平台为代表,使得海量数据的数据存储和数据处理变得更加有效和方便。本文通过对当前局部离群点检测算法的研究与分析,利用基于密度聚类的理论知识对数据集预处理,过滤聚类簇点,降低数据规模,对检测算法的离群因子值的计算做出改进,同时结合分布式平台,提出一种改进的基于密度聚类的分布式局部离群点检测算法。本文首先对局部离群点检测算法进行研究,主要介绍了基于密度的局部离群点检测算法LOF、COF、INFLOF三种,对这三种算法的原理与具体实现过程进行研究;其次,对聚类算法中的基于密度的算法进行研究,详细介绍了两种不同的密度聚类模型的特征和计算方法;然后,对Hadoop生态系统的各组件进行探讨,深入研究分布式文件系统的存储和数据读写原理,数据库的设计原理,MapReduce的执行架构与编程模型,实现并行化计算的原理以及其他组件协调工作机制。根据上述理论的研究,本课题提出一种局部离群点检测改进的算法,结合信息熵属性加权理论以及分布式理论解决当前离群点检测算法面临的数据规模大,数据成分复杂造成的计算瓶颈,以及数据节点可扩展性等问题。本文最后为集群搭建Hadoop分布式系统和HBase数据库环境,并在集群上实现所提算法。实验表明,基于密度聚类的分布式离群点检测算法可以有效地实现大规模数据的检测,与并行化的COF算法、LOF算法相比时间复杂度低,准确率相对较高。通过增加集群的数据节点数可以解决数据可扩展性的问题。

关键词：大数据密度聚类局部离群点检测算法 LOF Hadoop

来源：评论

学校读者我要写书评

暂无评论

基于多标记的局部离群点检测算法的研究与应用

基于多标记的局部离群点检测算法的研究与应用

引用

作者：梁栋南京工业大学

学位级别：硕士

离群点检测(outlier detection)，又称为异常检测，作为数据挖掘中重要分支之一，一直备受人们关注。其在工业检测、医疗处理、金融欺诈等许多领域都有十分重要的应用。2010年“震网病毒”事件、2015年天津爆炸事件更进一步敲响了工业... 详细信息

离群点检测(outlier detection)，又称为异常检测，作为数据挖掘中重要分支之一，一直备受人们关注。其在工业检测、医疗处理、金融欺诈等许多领域都有十分重要的应用。2010年“震网病毒”事件、2015年天津爆炸事件更进一步敲响了工业控制系统中异常检测现实性和有效性的警钟。经调查得知，目前较为先进的工业控制系统的安全防御体系已经集成了诸多离群点检测算法。但由于系统采集的数据复杂、分析成本高而效果不明显且与原系统兼容能力差等因素，这些算法无法很好地适用。\n 本文针对目前工业控制系统中离群点检测方法存在的问题和工厂现有的需求现状，进行了深入的研究。本文主要的内容如下所示:\n 一，以基于密度的离群点检测算法为基础，提出了一种基于多标记学习的局部离群点检测算法。论文依次对算法中术语的定义进行解释，详细地描述了算法的实现思想和算法的实现过程。并将算法与国内外局部离群点检测算法一同进行仿真实验，比较和分析在工业控制数据集和公共数据集中的性能。针对现实世界中诸如电力、化工、能源等企业，系统数据复杂并且多义的情况，算法优化了检测过程，首先采用多标记学习框架，将真实对象按照不同的标记内容拆分成多示例包的形式。然后根据拆分标记的重要程度，采用退化策略和类别权重调整方法计算最终离群点因子，通过最终离群点因子标记对象是否为局部离群点。\n 二，对工业控制系统的结构进行了分析，根据企业运用的特点和企业升级的需求，设计了集成部署的解决方案，分阶段、分层次、分步骤地将算法集成到现有系统中，形成稳定、独立、易用的监控与数据采集系统。最后，将基于MLL的局部离群点检测算法在泰州某化工仓储企业的工业控制系统中进行了实施和应用，提供检测离群点的功能。

关键词：机器学习局部离群点检测算法工业控制系统类别权重

来源：评论

学校读者我要写书评

暂无评论

基于加权改进模糊C均值聚类的欠定混合矩阵估计

引用

计算机应用 2020年第6期40卷 1769-1773页

作者：孙建军徐岩兰州交通大学电子与信息工程学院兰州730070

语音欠定混合矩阵估计问题中,针对模糊C均值聚类(FCM)算法对初始聚类中心敏感、易受噪声点干扰、鲁棒性差的缺陷,提出一种基于加权的进化规划与FCM相结合的改进算法(WE-FCM)。首先,利用进化规划(EP)算法强大的搜索能力优化FCM得到基于... 详细信息

语音欠定混合矩阵估计问题中,针对模糊C均值聚类(FCM)算法对初始聚类中心敏感、易受噪声点干扰、鲁棒性差的缺陷,提出一种基于加权的进化规划与FCM相结合的改进算法(WE-FCM)。首先,利用进化规划(EP)算法强大的搜索能力优化FCM得到基于进化规划的FCM算法(EP-FCM),以获得较佳的初始聚类中心;然后,利用局部离群点检测(LOF)算法对EP-FCM加权以降低噪声点的影响。通过仿真实验得出,所提算法在源信号数为3路和4路时归一化均方误差值与偏离角度值均远小于经典的K均值聚类(K-means)算法、K-Hough、基于遗传算法的FCM算法(GAFCM)和基于密度峰值的FCM算法(FDP-FCM)。实验结果表明,所提算法明显提高了FCM算法的鲁棒性和混合矩阵的估计精度。

关键词：模糊C均值聚类算法进化规划算法局部离群点检测算法加权混合矩阵估计

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：