指数型寿命数据中异常值的检验

本文讨论了在指数型寿命数据中,对同时存在的异常大数据和异常小数据的检验方法,给出了一个明确的判别标准,并以一例说明其应用。     

傅里叶变换近红外光谱法测定大麦中蛋白质、淀粉和赖氨酸含量

采用傅里叶变换近红外光谱法测定大麦中蛋白质、淀粉、赖氨酸的含量，并用光谱影响值法(leverage)对异常值进行判断和处理。蛋白质、淀粉和赖氨酸含量近红外光谱分析模型的测定系数R。分别为0．985、0．973和0．978；检验集的化学值与模型预测值的相关系数r分别为0．9853、0．9644和0．9172，分析模型的预测相对标准偏差RSD分别为4．0％、2．4％和5．4％，该结果可替代经典分析方法，满足农产品快速分析的需要。     

一种基于异常值检测和群体智能优化神经网络的电价混合预测模型

为了提高短期电价预测精度,本文提出了一种将异常值检测、时间序列分析、神经网络以及群体智能算法相结合的混合算法。作为混合算法的具体实现,文中的异常值检测利用了残差比方法和正态分布方法,群体智能优化算法选取了粒子群(PSO)算法和布谷鸟(CS)算法。作为实例研究,本文将混合模型应用用于澳大利亚新南威尔士州短期电价预测中,结果表明,混合预测方法能在一定程度上提高模型的预测精度。     

曲线光顺在惯导平台自标定中的应用

提出了一种新的惯导平台自标定数据处理方法——曲线光顺法。根据自标定数据特点给出了适于自标定数据的曲线光顺准则。分析了野值对曲线二阶差商的影响规律,提出了一种野值剔除算法。通过将最小二乘与B样条结合得出二阶差商参考值,并使实际差商与参考差商距离达到最小从而得到野值修改值。实验结果表明,该文的算法能很好地解决惯导平台自标定数据的野值剔除问题,可通过调节参数来控制光顺精度,并具有算法简便、易于操作的优点。     

最小二乘B样条函数在火箭发动机数据处理中的应用

在固体火箭发动机地面试验数据处理中,通过应用最小二乘三次B样条函数拟合的方法,进行野值辨识和修复。文中阐述了实际应用中的步骤及应注意的几点问题。为避免常规的控制序列中含有野值而影响数据辨识的问题,提出差别选取控制点循环过滤的方法,实现精度更高的野值辨识。进而采用门限判别方法,实现野值的修复。通过实测数据处理的应用表明,该算法对单个和成片野值的辨识度都很高,适用于火箭发动机地面试验数据处理。     

多部雷达信号的复合分层异常挖掘研究

对截获的雷达信号进行准确的分析和处理,实现对特定目标的异常特征信息进行快速发现、分析和挖掘,在提高雷达信号数据质量、发现入侵行为、进行故障诊断以及辅助军事侦察等领域都具有非常重要的意义。结合雷达信号的异常流行为,利用距离与聚类的统计思想,提出了一种针对雷达信号5个电子脉冲参数的复合分层分析异常挖掘方法,并运用5部仿真雷达的模拟数据进行了验证,发现该方法可对信度较高。     

一种基于高维空间聚类的离群数据发现算法

针对高维稀疏聚类CABOSFV算法仅能解决二态变量高维稀疏聚类问题而对其他类型变量算法将失效的情况，通过定义“属性绝对值距离”解决了CABOSFV算法固有的这一缺陷。另外，针对聚类后产生伪孤立点问题，提出相应的异常数据处理策略，从而得到较为精确的离群数据。     

基于模板卷积的野值剔除方法

测量数据中野值的成功剔除是后续数据处理精度的重要保证.针对测量数据前后相关性这一客观事实,并结合最小二乘理论,对前期提出的基于模板卷积的野值剔除方法进行了改进,从理论上分析了该方法的高精度性和高实时性,并进行了仿真实验.仿真结果表明,该方法能有效剔除测量数据中的野值点.     

一种基于数量关联的孤立点检测算法

孤立点检测是数据挖掘的重要研究方向之一,目标是发现数据集中不具备数据一般特性的数据对象.通过挖掘数据属性间内在的数量关联规则,标记产生的弱关联规则中置信度小于阈值的极小概率事件为孤立点,提出了一种基于数量关联的离群点检测算法.实例表明,算法能够有效检测数据集中的孤立点,具有应用价值.     

数据异常值检测及修正方法研究

针对雷达测量数据中存在的异常值,对数据中的时间参数根据其变化规律的等差性进行异常值检测。对雷达发射功率、角度、距离参数异常问题,基于邻近去最值均值滤波原理,采用滑窗方式进行检测并修正。实验结果表明,提出的检测方法能够有效检测并修正数据中的异常跳变点且不改变正常值。