基于贝叶斯的大数据异常值检测模型研究

• 作者: 周梁琦 章权 魏莉
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 异常值检测 贝叶斯聚类算法 高斯混合模型 神经网络 模型融合
• 年，卷（期）: 2020,（1）
• 页码范围: 207-209
• 页数: 3页
• 分类号: TP3-05

摘要

随着物联网、云计算、移动互联网等信息产业的不断进步,数据规模越来越大、处理难度也逐渐加大。而海量的数据中,异常数据会干扰后续的挖掘、预测与分析。因此,有必要对异常数据进行检测,提高数据的准确性。但由于数据量过大,大数据常常不具备明显的分布特征,然而对非典型特征的数据进行建模是一个挑战,因为推理会变得更加困难。以空气质量大数据为例,研究了如何将不具备明显分布特征的大数据,利用独立的高斯分布混合分布描述此类数据。在前期研究的高斯混合模型+神经网络的基础上优化了均值和协方差的选取,使得结果更加准确。这对于异常数据检测具有重要意义,更大程度地提高检测的准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周梁琦		3	0	0.0	0.0
2	章权		4	0	0.0	0.0
3	魏莉		2	0	0.0	0.0