基于多维滑窗的异常数据检测方法

• 作者: 张叶 花青 许国艳
• 来源期刊: 计算机应用
• 学科: 工学
• 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
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 2015年全国开放式分布与并行计算学术年会(DPCS 2015)?
• 页码范围: 3112-3115,3156
• 页数: 5页
• 分类号: TP302
• 字数: 4548字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.11.3112

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许国艳	河海大学计算机与信息学院	24	245	7.0	15.0
2	张叶	河海大学计算机与信息学院	4	39	2.0	4.0
3	花青	河海大学计算机与信息学院	2	37	2.0	2.0