-
公开(公告)号：CN104869105B
公开(公告)日：2018-04-24
申请号：CN201410065370.3
申请日：2014-02-26
Applicant: 重庆邮电大学
Abstract: 一种异常状态在线识别方法，用于实时在线检测高维数据流中的潜在异常点。通过分析数据流的数据特性，提出运用基于角度分布的方法来获取数据流上每一个数据所对应的异常因子值。结合实时监控数据流的需要，提出建立基于正常集、边界集的小规模数据流型计算集，以此来加快异常状态在线识别方法的运算速度。针对大数据流的概念转移问题，提出建立正常集、边界集的实时更新机制，以此来保证异常状态在线识别方法在高维空间的检测精确度。采用本发明方法，不仅可以极大地降低对时间和物理存储的消耗，而且可以准确，实时地在线检测高维大数据流中的潜在异常点，为实现数据流的实时在线评估创造了条件，从而增强了大数据应用系统的稳定性。
-
公开(公告)号：CN107153931A
公开(公告)日：2017-09-12
申请号：CN201610119007.4
申请日：2016-03-03
Applicant: 重庆邮电大学
Abstract: 一种快递物流配送异常检测方法，用于快速有效地发现快递物流在配送过程中出现的配送时间延迟，过程错误(绕路)，终点错误(未送达正确目的地)等异常配送情况。通过分析快递物流配送轨迹数据的多属性特点，提出将基于距离与基于角度的异常检测算法思想相结合的方法来度量每条轨迹子段的异常程度；将对配送时间延迟的检测转化为对配送过程平均速度的检测；利用轨迹数据的位置坐标、城市编号、城市级别等属性，对配送终点错误进行检测。采用本发明方法，可以快速准确地发现快递物流的异常配送情况，及时反馈给物流企业进行处理，减少经济损失，为提高物流企业的竞争力创造条件。
-
公开(公告)号：CN107153931B
公开(公告)日：2020-11-20
申请号：CN201610119007.4
申请日：2016-03-03
Applicant: 重庆邮电大学
Abstract: 一种快递物流配送异常检测方法，用于快速有效地发现快递物流在配送过程中出现的配送时间延迟，过程错误(绕路)，终点错误(未送达正确目的地)等异常配送情况。通过分析快递物流配送轨迹数据的多属性特点，提出将基于距离与基于角度的异常检测算法思想相结合的方法来度量每条轨迹子段的异常程度；将对配送时间延迟的检测转化为对配送过程平均速度的检测；利用轨迹数据的位置坐标、城市编号、城市级别等属性，对配送终点错误进行检测。采用本发明方法，可以快速准确地发现快递物流的异常配送情况，及时反馈给物流企业进行处理，减少经济损失，为提高物流企业的竞争力创造条件。
-
公开(公告)号：CN104869105A
公开(公告)日：2015-08-26
申请号：CN201410065370.3
申请日：2014-02-26
Applicant: 重庆邮电大学
Abstract: 一种异常状态在线识别方法，用于实时在线检测高维数据流中的潜在异常点。通过分析数据流的数据特性，提出运用基于角度分布的方法来获取数据流上每一个数据所对应的异常因子值。结合实时监控数据流的需要，提出建立基于正常集，边界集的小规模数据流型计算集，以此来加快异常状态在线识别方法的运算速度。针对大数据流的概念转移问题，提出建立正常集，边界集的实时更新机制，以此来保证异常状态在线识别方法在高维空间的检测精确度。采用本发明方法，不仅可以极大地降低对时间和物理存储的消耗，而且可以准确，实时地在线检测高维大数据流中的潜在异常点，为实现数据流的实时在线评估创造了条件，从而增强了大数据应用系统的稳定性。
-
-
-
Search Results
4
records
(took 0.015 seconds)
