离群点

作品数：694被引量：3109H指数：28
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：张忠平孙志挥薛安荣杨秦敏黄添强更多>>
相关机构：燕山大学东南大学大连海事大学重庆大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金国家高技术研究发展计划中央高校基本科研业务费专项资金国家教育部博士点基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=计算机工程与应用x
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
边界流形嵌入在特征提取中的应用
《计算机工程与应用》2022年第23期245-253,共9页龚思聪 徐洁 万鸣华 
国家自然科学基金(61773128)。
样本点的边界信息对于分类具有重要意义。针对于边界Fisher分析(MFA)和局部敏感判别分析(LSDA)构造本征图和惩罚图所利用的样本点边界信息,在一些情况下并不能很好地表征不同类样本点的可分性,提出了一种新的图嵌入降维算法——边界流...
关键词：边界 分类 图嵌入 降维 离群点 
基于膨胀图卷积与离群点过滤的残缺点云配准被引量：4
《计算机工程与应用》2022年第22期186-194,共9页孙战里 张玉欣 陈霞 
国家自然科学基金(61972002);多模态认知计算安徽省重点实验室(安徽大学)开放课题(MMC202004)。
由于点云在非欧几里德空间中,受到结构不规则、噪声、离群点等不利因素的影响,如何准确配准残缺点云,仍然是一个具有挑战性的任务。针对此任务,提出了一种有效的残缺点云配准网络。为了有效提取局部点云的细粒度特征,设计了一个密集膨...
关键词：膨胀图卷积 密集连接 离群点过滤 点云配准 
离群点检测的邻近性方法综述被引量：8
《计算机工程与应用》2022年第21期1-12,共12页刘财辉 刘地金 
国家自然科学基金(62166001);江西省自然科学基金(20202BAB202010)。
离群点检测在数据挖掘中有非常广泛的应用,然而并不是所有的离群点检测问题都能用一种最优的方法去解决。针对不同的应用,需要用不同的方法,才能够最有效地解决实际问题。检测方法大致可以分为基于统计、基于聚类、基于邻近性(基于距离...
关键词：邻近性 离群点检测 基于距离 基于密度 
基于改进密度峰值聚类算法的轨迹行为分析被引量：3
《计算机工程与应用》2022年第17期314-324,共11页吕奕 刘漫丹 
为了深入挖掘校园无线网络轨迹行为数据信息,采用基于密度的聚类方法对校园内用户的轨迹行为进行特征聚类。由于基于密度的聚类算法通常采用距离作为相似性度量方式,为了有效衔接此类聚类算法,先将用户相似度矩阵通过转换函数转变为距...
关键词：聚类分析 密度峰值 离群点检测 校园无线网络 
基于马尔科夫随机游走的两阶段离群检测算法
《计算机工程与应用》2022年第1期89-98,共10页席婷婷 赵旭俊 苏建花 
国家自然科学基金(61572343);山西省应用基础研究计划项目(201901D111257,201901D211303);山西省重点研发计划项目(201803D121059);太原科技大学科研启动基金(20192013)。
基于邻域的离群点检测算法中,参数的选择与确定是一个重要的问题,不合理的参数选择导致算法的性能显著下降。为减少参数对于离群点检测的影响,提出了一种基于马尔科夫随机游走的两阶段离群检测算法,可以在不影响算法效率的基础上,有效...
关键词：离群点检测 DLS-三角剖分 马尔科夫随机游走 
基于聚类的离群点检测方法研究综述被引量：28
《计算机工程与应用》2021年第12期37-45,共9页周玉 朱文豪 房倩 白磊 
河南省高等学校青年骨干教师培养计划(2018GGJS079);国家自然科学基金(U1504622,31671580)。
离群点检测在数据处理中具有重要研究意义,其检测方法大致可以分为基于统计、基于距离、基于密度和基于聚类的方法。为了及时掌握当前基于聚类技术的离群点检测方法的研究现状,通过归纳与整理,将具有代表性的基于聚类的离群点检测方法...
关键词：离群点检测 聚类 静态数据集 数据流 大规模数据集 
云虚拟机异常检测场景下改进的LOF算法被引量：6
《计算机工程与应用》2020年第23期80-86,共7页贺寰烨 林果园 顾浩 方梦华 
软件新技术国家重点实验室开放基金(No.KFKT2018B27);中央高校基础研究基金(No.2017XKQY079)。
针对云服务中由于资源超额预定造成负载不均衡的云虚拟机异常,提出了一种基于密度空间的局部离群因子(Local Outlier Factor Based on Density Space,LOFBDS)算法。LOFBDS算法参考DBSCAN(Density-Based Spatial Clustering of Applicati...
关键词：云服务 云虚拟机 异常检测 局部离群点检测 
结合最大最小距离和加权密度的K-means聚类算法被引量：21
《计算机工程与应用》2020年第16期50-54,共5页马克勤 杨延娇 秦红武 耿琳 王丕栋 
国家自然科学基金(No.61662068)。
随机选取初始聚类中心和根据经验设置K值对K-means聚类结果都有一定的影响,针对这一问题,提出了一种基于加权密度和最大最小距离的K-means聚类算法,称为KWDM算法。该算法利用加权密度法选取初始聚类中心点集,减少了离群点对聚类结果的影...
关键词：K-MEANS 初始中心 离群点 密度法 最大最小距离 
基于主动学习的离群点集成挖掘方法研究被引量：8
《计算机工程与应用》2020年第12期112-117,共6页赵晓永 王宁宁 王磊 
国家自然科学基金(No.61572079,No.71701020);北京市教育委员会科技计划一般项目(No.KM201711232017,No.KM201711232018)。
离群点检测任务通常缺少可用的标注数据,且离群数据只占整个数据集的很小一部分,相较于其他的数据挖掘任务,离群点检测的难度较大,尚没有单一的算法适合于所有的场景。因此,结合多样性模型集成和主动学习思想,提出了一种基于主动学习的...
关键词：离群检测 主动学习 模型集成 
K-Means聚类算法研究综述被引量：319
《计算机工程与应用》2019年第23期7-14,63,共9页杨俊闯 赵超 
河北省高等学校科学技术研究项目（No.QN2018109）
K-均值(K-Means)算法是聚类分析中一种基于划分的算法,同时也是无监督学习算法。其具有思想简单、效果好和容易实现的优点,广泛应用于机器学习等领域。但是K-Means算法也有一定的局限性,比如:算法中聚类数目K值难以确定,初始聚类中心如...
关键词：K-MEANS 聚类算法 聚类中心 离群点 
全选清除导出
共3页<123>
检索报告 对象比较 聚类工具 使用帮助 返回顶部