基于多维滑窗的异常数据检测方法

被引：9

作者：

花青

许国艳

张叶

机构：

[1] 河海大学计算机与信息学院

来源：

计算机应用 | 2015年 / 35卷 / 11期

关键词：

异常数据检测; 数据起源; 分级标注模型; 多维影响因子; 卡尔曼算法;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

随着数据流的广泛运用,数据流中异常数据的检测问题也引起了更多的关注。现有的卡尔曼滤波算法需要的历史数据量虽然小,但只适用于单个异常点的检测,对于复杂连续的异常值检测效果较差。针对这个问题,提出一种水文传感器分级标注模型,并在此基础上提出一种基于多维影响因子的卡尔曼滤波算法,加入空间、时间、起源三个维度的影响因子,在天气和汛期等影响因素改变时,对系统模型的控制参数进行适当调整,并且对测量噪声进行更加准确的估计,提高异常检测的准确性。实验结果证明,所提算法在保证运行时间相近的前提下,检测的错误率远低于基于遗忘因子的卡尔曼(AKF)算法和基于小波的卡尔曼(WKF)算法。

引用

页码：3112 / 3115+3156 +3156

页数：5

共 13 条

[1]

基于EKF的无线传感器网络异常数据检测算法研究[D]. 杨晓龙.东北大学 2013

[2] 数据流上异常数据的在线检测与修正 [J].

王永利 ;

徐宏炳 ;

董逸生 ;

钱江波 ;

刘学军 .

应用科学学报, 2006, (03) :256-261

[3] 一种基于属性的异常点检测算法 [J].

刘洪涛 ;

童德利 ;

陈世福 .

计算机科学, 2005, (05) :164-166

[4] 改进的自适应Kalman滤波及其在水声机动目标跟踪中的应用 [J].

郭鑫 ;

葛凤翔 ;

郭良浩 .

声学学报, 2011, 36 (06) :611-618

[5]

Monitoring Animal Behaviour and Environmental Interactions Using Wireless Sensor Networks, GPS Collars and Satellite Remote Sensing. Rebecca N. Handcock,Dave L. Swain,Greg J. Bishop-Hurley,Kym P. Patison,Tim Wark,Philip Valencia,Peter Corke,Christopher J. O’Neill. Sensors . 2009

[6] 传感数据起源信息的多粒度标注与多分辨压缩 [J].

王永利 ;

刘景春 ;

于占龙 ;

富春岩 ;

刁树民 .

南通大学学报(自然科学版), 2010, 9 (03) :92-101

[7] 数据起源技术发展研究综述 [J].

戴超凡 ;

王涛 ;

张鹏程 .

计算机应用研究, 2010, 27 (09) :3215-3221

[8]

Kalman filter outlier detection methods based on M-estimation. LIU ZH,WANG J F,WU Y. Proceedings of the 32nd Chinese Control Conference . 2013

[9] 数据起源标注模式与描述模型 [J].

李亚子 .

现代图书情报技术, 2007, (07) :10-13

[10] Nonlinear Adaptive Wavelet Transform for Lossless Image Compression [J].

ZHANG Dong YANG Yan QIN Qianqing School of Physics and Technology Wuhan University Wuhan Hubei China State Key Laboratory of Information Engineering in Surveying Mapping and Remote Sensing Wuhan University Wuhan Hubei China National Engineering Research Center for Multimedia Software Wuhan University Wuhan Hubei China .

Wuhan University Journal of Natural Sciences, 2007, (02) :267-270

← 1 2 →