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：燕山大学

摘要：本发明公开了一种基于增量局部异常因子的机械流式数据清洗方法，属于机械故障诊断及状态监测技术领域，所述方法包括：构建局部异常因子模型，获取历史监测数据集，将历史监测数据进行多维特征属性特征提取，并形成历史监测数据LOF结果集；根据流式在线监测数据，基于增量流入LOF将历史监测数据LOF结果集更新为流式数据LOF结果集；根据流式数据LOF结果集，基于增量删除LOF，对流式在线监测数据进行数据清洗。本发明仅对受流入数据影响的数据对象进行变量值的查询计算和域的更新，并通过异常阈值识别并删除异常数据，计算复杂度相比传统LOF大大降低，计算耗时更小，能够满足一般流式监测数据质量保障实时性要求。

主权项：1.一种基于增量局部异常因子的机械流式数据清洗方法，其特征在于：包括以下步骤：S1、构建局部异常因子模型，获取历史监测数据集，并形成历史监测数据LOF结果集；S2、对机械状态进行监测，根据流式在线监测数据，基于增量流入LOF将历史监测数据LOF结果集更新为流式数据LOF结果集；S2中，具体包括以下步骤：S21、新增流式在线监测数据的多维特征属性提取，更新特征集合；S22、计算更新特征集合中监测对象和k近邻之间的距离KD和可达距离RD；S23、查询k距离下的更新对象集SKD_update，计算SKD_update内对象的k距离KD；考虑实时对象pt流入时对历史监测数据集中任意一历史数据pj的k距离影响，当对象pt不属于pj的k近邻域时，即那么pt点的流入对于pj的k距离没有影响，即KDpj在新对象插入时保持不变，无需更新，否则，当对象pt落入对象pj的k近邻域时，pj的k距离需更新为： 其中，KDnewpt为更新距离，KDoldpj为原距离，dpj,pn为pj到pn的欧式距离，此时k距离值更新的对象为pt的逆k近邻，记为RNkpt，此时k距离值更新对象的集合表示为：SKD_updatept＝RNkpt；S24、可达距离RD更新集的查询与计算；流式在线监测数据流入时，只考虑更新pj旧邻域内对象到pj的可达距离RD；可达距离RD更新集为SRD_update；S25、局部可达密度LRD更新集的查询与计算；如果pi∈SKD_update或可达距离RDkpi,pj发生改变且pi∈Nkpj，则更新对象pi的局部可达密度，LRD更新集为SLRD_update，其中，Nkpj是k近邻集；S26、在k距离KD、可达距离RD更新集、局部可达密度LRD更新集查询的基础上，查询局部异常因子LOF值的更新集；局部异常因子LOF值的更新集表达式为：SLOF_update＝SLRD_update∪{RNkSLRD_update}；S27、对局部异常因子LOF值的更新集各对象RD、LRD以及LOF值进行更新，获得流式数据LOF结果集；S3、根据流式数据LOF结果集，基于增量删除LOF，对流式在线监测数据进行数据清洗。

全文数据：

权利要求：

百度查询： 燕山大学 一种基于增量局部异常因子的机械流式数据清洗方法