高斯核密度估计方法检测健康数据异常值

• 作者: 周治平 王康
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 运动手环 健康数据 异常值检测 局部异常因子 高斯核密度估计
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 2094-2102
• 页数: 9页
• 分类号: TP181
• 字数: 5741字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1810006

摘要

针对智能穿戴设备普及背景下,利用运动手环采集的活动数据存在未知异常数据的问题,提出一种基于高斯核密度估计的健康数据异常值检测方法.首先采用t-分布邻域嵌入算法对数据集进行特征提取,增强数据局部结构能力;接着利用高斯核局部密度代替局部异常因子算法中的局部可达密度,提出基于高斯核密度估计离群因子(GKDELOF)算法,推导分析了该算法判断阈值的稳定性;最后在UCI标准数据集上进行仿真实验,验证算法的准确性,并在选取的真实运动手环所采集的活动数据集上进行实验分析.实验结果表明,该方法能够解决由活动复杂多样性造成的健康数据稀疏问题,准确检测出异常值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周治平	江南大学物联网工程学院	105	522	11.0	16.0
2	王康	江南大学物联网工程学院	5	2	1.0	1.0