基于MCC加权的最小二乘支持向量回归异常检测方法

    公开(公告)号:CN117786302A

    公开(公告)日:2024-03-29

    申请号:CN202311764835.X

    申请日:2023-12-20

    Applicant: 三峡大学

    Abstract: 基于MCC加权的最小二乘支持向量回归异常检测方法,包括以下步骤:选择与设备相关变量的历史运行数据作为MCC‑LSSVR模型的数据集;计算输出变量与其它变量之间的相关系数,选择相关系数大于一个固定值的变量及其对应的数据作为MCC‑LSSVR模型的输入数据;采用Z‑Score方法对输入数据进行归一化处理;利用训练集迭代训练MCC‑LSSVR模型;利用3sigma原则计算阈值,通过预测值和真实值之间的残差是否大于该阈值来判断测试集中数据是否出现异常;计算MCC‑LSSVR模型的MAE和MAPE指标。该方法对训练集进行循环迭代加权,以此降低异常值在整个训练集中的权重,提高模型的鲁棒性,能够更加精准的预测,同时可以提高异常检测的精度。

    基于局部密度聚类的分子云核检测方法

    公开(公告)号:CN114359690A

    公开(公告)日:2022-04-15

    申请号:CN202111495492.2

    申请日:2021-12-08

    Applicant: 三峡大学

    Abstract: 基于局部密度聚类的分子云核检测方法,首先计算每个数据点的三个特征:局部密度、距离和梯度;基于局部密度和距离确定聚类中心,然后以聚类中心开始聚类,在得到聚类结果之后利用梯度进一步确定边界;进而根据每个聚类结果的成员个数最终确定聚类的个数;最后利用多高斯模型计算聚类结果的参数。本发明一种基于局部密度聚类的分子云核检测方法,可以在不同信噪比下保持较高的分子云核检测精度,得到可靠的分子云核的物理参数。

Patent Agency Ranking