基于离群点检测的电类实验教学中错误数据判决算法

作     者：申赞伟 李丹 张士文 张峰 SHEN Zanwei;LI Dan;ZHANG Shiwen;ZHANG Feng

作者机构：上海交通大学电子信息与电气工程学院 

出 版 物：《实验室研究与探索》 (Research and Exploration In Laboratory)

年 卷 期：2019年第38卷第8期

页      面：138-142,219页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：2018年外国留学生政府奖学金服务支持体系项目(2018国交301-28) 

主　　题：电类实验教学 错误数据 离群点 均值漂移 

摘      要：电类实验教学在高等院校中覆盖面广,实验过程中学生所测数据量大,人工评判数据工作繁琐。随着在线实验教学的普及,迫切需要一种实验数据智能评判的方法。依据Mean Shift思想提出一种基于距离的离群点检测(MSOD)算法,以理论计算值作为初始点,沿着概率密度梯度的方向寻找数据集最稠密的位置,与该位置的距离大于某一特定值的数据为离群点,离群点数据即为测量有误的数据。实验结果表明,MSOD算法识别错误实验数据的效果较好,可以有效地减少实验教学中重复繁琐的人工评判数据的工作,节约人力成本,提高实验教学效率。与现有的离群点检测算法比较,MSOD算法提高了错误数据识别的正确率,并且降低了时间成本。