龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室);安徽大学
摘要：本发明涉及在线检测技术领域，公开了一种基于数据流密度增量学习的在线检测异常识别方法，包括：根据数据流自动获取超参数；使用密度增量学习方法对已知数据集进行聚类；计算新输入数据的局部密度和基于聚类的离群因子值并进一步更新数据。本发明结合了iLOF和增量式基于密度的带噪声聚类算法的概念，利用核心k最近邻来计算每个VOCs数据点的局部异常因子，不依赖数据的整体分布，在不同数据分布的情况下都能有效检测离群点。
主权项：1.一种基于数据流密度增量学习的在线检测异常识别方法，其特征在于，包括以下步骤：步骤一，采集挥发性有机化合物的数据流，根据数据流的数据点分布获取参数minPts和参数Eps；步骤二，将数据流中的数据点划分为现有数据点和待学习数据点，使用密度增量学习方法对现有数据点进行聚类，并对待学习数据点进行增量学习，根据待学习数据点的影响范围，更新受影响的现有数据点；然后将该待学习数据点作为现有技术点后，再循环地基于下一个待学习数据点更新受影响的现有数据点；步骤三，计算新输入的数据点的局部密度和基于聚类的离群因子值，并更新受影响的现有数据点，如果新输入的数据点的局部密度和基于聚类的离群因子值大于设定值，则该新输入的数据点为异常值，实现异常识别，局部密度和基于聚类的离群因子值用于评估数据点的离群程度。
全文数据：
权利要求：
百度查询： 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 安徽大学 基于数据流密度增量学习的在线检测异常识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号