基于ICA的异常数据挖掘算法研究.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于ICA的异常数据挖掘算法研究.pdf

第44卷 第2期 电子 科 技 大 学 学 报 、,01.44 NO.2 2015年3月 JournalofUniversityofElectronicScienceandTechnologyofChina Mar.2015 基于ICAfl~异常数据挖掘算法研究 王莉君 ,2,一,何政伟 ,冯平兴 (1.成都理工大学地质灾害防治与地质环境保护 国家重点实验室 成都 610059: 2.成都理工大学地球物理学院 成都 610059;3.电子科技大学成都学院 成都 610051) 【摘要】在传统的独立成分分析方法中,没有考虑异常数据值对分离性能的影响。该文提出了一种基于影响函数的检测 方法,通过该方法可以发现隐藏在观测数据 中的异常成分。利用影响函数对数据进行投影分析,对混入脉冲噪声的观测信号 进行盲源分离,从而实现对脉冲噪声的消除。实验仿真结果表明,该方法可以有效且可靠地检测出所观察信号中的异常数据。 关 键 词 异常数据挖掘;盲源分离;脉冲噪声;独立分量分析;信号处理 中图分类号 TP391,TN911.7 文献标志码 A doi:10.3969~.issn.1001-0548.2015.02.009 StudyofOutlierDataM iningAlgorithm BasedonICA WANGLiqun’,HEZheng.wei,andFENGPing—xing (1.StateKeyLaboratoryofGeohazardPreventionandGeoenvironmentProtection,ChengduUniversityofTechnoloyg Chengdu 610059; 2.CollegeofGeophysics,ChengduUniversityofTechnology Chengdu 610059; 3.ChengduCollegeofUniversiytofElectronicScienceandTechnologyofChina Chengdu 61005I) Abstract Inthetraditionalstudyofindependentcomponentanalysis(ICA).theoutlierdatahadnotbeen considered.ThisPaperproposesamethodbasedoninfluencefunctiontofindtheoutliersfrom theobserveddatain ICA.Genera1.outliershaveasignificantinfluenceon theseparationperformanceOfICA.Usingtheinfluence functionstoprojecthteobserveddata,hteimpulsivenoisycomponentswhichmixedinhteobserveddatacanbe eliminatedrfom thenormaldaat.Theexperimentalresultsdemonstratetheeffectivenessofproposedmethod. Keywords abnomr aldaat mining; blind sourceseparation; impulsenoise; independentcomponent analysis; signalprocessing 独立成分分析(independentcomponentanalysis, 题,不依赖统计检验,将不具有多个 “邻居”的对 ICA)是文献[1]提出的一种重要的盲源分离方法。该 象检测出来 。基于单元、索引的算法和嵌套一循环算 方法基于反馈神经网络,仅能用于两个混迭源信号 法都是属于 目前比较成熟的基于距离模型的异常数 的分离。文献[2】提出了一种解决非线性混迭信号盲 据挖掘算法。 分离问题

文档评论(0)

月光般思恋 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档