【摘 要】
：
由于传统离群点检测方法未对离群点进行判定,从而导致出现了检测速度慢、检测误差大的问题,为此提出一种海量不确定数据集中离群点快速检测的方法。优先判定出不确定数据集中的离群点,利用点排序识别聚类结构(Ordering points to identify the clustering structure)算法完成,确定待检测离群点所需参数,计算出离群点的离群属性,根据离群属性计算结果,引入邻域密度构建
【机 构】
：
重庆师范大学涉外商贸学院,重庆合川401520
论文部分内容阅读
由于传统离群点检测方法未对离群点进行判定,从而导致出现了检测速度慢、检测误差大的问题,为此提出一种海量不确定数据集中离群点快速检测的方法。优先判定出不确定数据集中的离群点,利用点排序识别聚类结构(Ordering points to identify the clustering structure)算法完成,确定待检测离群点所需参数,计算出离群点的离群属性,根据离群属性计算结果,引入邻域密度构建离群点快速检测模型,设定模型中离群点检测阈值,实现不确定数据集中离群点的快速检测。由仿真结果得出,与传统
其他文献
针对大数据智能分类效率低、占用率较高的问题,提出了一种云计算下低占用率大数据智能分类方法,采用贝叶斯算法构建智能分类模型,使其后续分类时通过朴素贝叶斯智能分类器可以将容错率降到最小,并构建压缩函数及选择特征使其能够和源数据之间的区分程度相同的,对智能分类模型进行训练,通过训练后的分类模型对源数据进行特征分类,最终完成云计算下大数据智能分类的目的。仿真结果表明,使用改进方法对大数据分类,其计算过程简
为了获取声景中最优频率,构建声景中最优频率调节控制方法。首先通过小波变换获取一个新的阈值函数,新的阈值函数有效克服传统阈值函数的弊端,具有较好的灵活性。将新的阈值函数应用于居民居住环境频率调节中,通过新的阈值函数获取最优分解层,利用最优分解层进行信号增强,构建最优频率调节控制模型,通过最优频率调节控制模型对居民居住环境中的频率进行调节控制,获取声景中最优频率。仿真结果表明,所提方法有效减少了居民居
为了有效解决具有强耦合、多目标、多约束、多干扰特性的高速工具钢生产流程中计划调度较为困难的问题,提出一种基于多智能体技术的计划调度建模方法。把钢铁生产流程抽象为一个多智能体系统,对复杂物流系统进行建模与仿真优化,通过多目标评判与迭代优化获取作业计划的满意解,计划下达后通过对执行偏差的反馈,进行动态调整,提高计划的适应性和执行性。最后通过仿真对不同的工况场景进行模拟,均能给出可行解决方案。实验表明所
针对卷积神经网络在图像分类训练过程中出现的过拟合现象,提出融合分割权重和Attention机制的CNN图像分类算法。算法构建了传统卷积神经网络模型,使用基于图像分割权重的二次预训练方法训练网络模型;使用不同Attention类型的激活函数,在标准图像库Corel-1000上充分进行实验。实验结果表明,二次预训练方法对图像分类效果有了较大程度的提升;同时,加入Attention机制后,实验效果更优。
针对人体行为识别技术存在特征融合精度低、行人轮廓提取噪声高等问题,提出基于特征融合和度量学习的行人行为识别方法。采用离散小波变换方法提取相关行为和轮廓特征,通过K-L变换技术获取图像特征融合数据,利用马氏距离算法实现图片特征度量学习,运用EDM交叉距离完成行人行为相对应的识别。仿真结果表明:研究设计的行为识别方法可以高精度的融合视频图像行人行为特征,准确识别行人行为,为监控安全领域提供了强有力理论
小波变换在信号的滤波降噪处理中应用非常广泛,针对传统小波阈值去噪算法中软、硬阈值函数以及Garrote阈值函数的不足,构造出一个新的阈值函数,并采用新的阈值确定方法,对信号的去噪处理更加灵活,克服了传统阈值函数的不足。通过Matlab软件,对传统阈值函数以及本文提出的改进阈值函数进行去噪处理仿真,在信噪比(SNR)和均方误差(MSE)两个方面进行定量对比。实验结果表明,使用改进的阈值函数进行去噪处
传统资源调度方法无法获取资源调度适配因子,导致资源调度精度偏低、利用率小且负载均衡度低问题。为此提出基于模式融合的网络动态资源柔性调度方法。根据移动中心网络结构矩阵确定移动网络节点分布,以此为基础构建混合预测模型,获取网络节点负载状态,并计算节点负载和资源占有率,得出适配因子,引入max-min和蚁群混合算法,实现网络动态资源有效调度。实验结果表明:研究提出的教育教学动态资源利用率和负载均衡度更高
在WSNs网络规模不断扩展的同时,路由协议与节点复杂度随之升高,导致WSNs网络中链路故障概率的增加。现有方法普遍存在链路故障检测误差偏大,网络恢复效果不佳等问题。为此提出了基于布尔方程与数据分析的大规模WSNs链路故障恢复方法。根据WSNs链路的能量特征构建测试信号的布尔映射关系,依据路径与链路的布尔状态向量搜索故障链路最小值,利用线性规划与约束条件求解布尔方程,从而确定故障链路。根据WSNs链
针对基于卷积神经网络的胶囊内镜图像分类算法上存在模型参数难以训练、易过拟合的问题,提出一种基于迁移学习的胶囊内镜图像分类算法。先对胶囊内镜图像进行预处理和数据扩增;利用经典卷积神经网络Alexnet、Googlenet、 Inception-v3提取囊内镜图像的深层特征;最后将3个模型提取的特征向量加以融合,作为支持向量机的输入进行训练和分类。实验结果表明,提出的方法分类准确率为99.98%、特异
当前的非授权代码的检测过程忽略了获取线性特征集,代码类型无法得以高精度匹配,导致传统方法出现检测准确率低、耗时长问题。为解决以上问题,提出基于线性特征集的非授权代码敏感路径检测方法。引入深度学习,设计非授权代码特征检测步骤。以非授权代码为目标样本,基于线性特征集判断非授权代码敏感路径判断,利用深度学习提取正常代码样本的函数图特征,并设置阈值,实现非授权代码敏感路径的检测。实验结果表明:与传统方法相