检索结果-南通市图书馆

基于滑动窗口和多元高斯分布的变压器油色谱异常值检测

在线全文

学校读者我要写书评

暂无评论

高压电器 2020年第1期56卷 203-209页

作者：何尧梁宏池连鸿松许锐福建工程学院福州350118 福建省大数据挖掘与应用技术重点实验室福州350118 国网宁德供电公司福建宁德352100 国网福建电力科学研究院福州350007

现有的变压器油色谱在线监测数据因监测装置问题频繁出现失真,严重影响了整个在线监测系统的有效性和实用性。传统阈值判定法无法灵活及时地发现变压器本体设备和监测装置的异常。对此,提出了一种基于滑动窗口和多元高斯分布的变压器油... 详细信息

现有的变压器油色谱在线监测数据因监测装置问题频繁出现失真,严重影响了整个在线监测系统的有效性和实用性。传统阈值判定法无法灵活及时地发现变压器本体设备和监测装置的异常。对此,提出了一种基于滑动窗口和多元高斯分布的变压器油色谱异常值检测方法,利用指数加权移动平均法和滑动窗口计算历史每笔数据中氢气、乙炔、总烃的估计值,获取到与监测值的残差数据后,再通过多元高斯分布,进行异常值检测。通过某变电站油中气体数据对本算法进行验证结果表明,该方法不仅能实时检测出变压器本体异常还能发现监测装置数据失真,并能祛除数据突变和噪声带来的影响,具有一定实用价值。

关键词：变压器油中溶解气体分析多元高斯分布指数加权移动平均法滑动时间窗口

在线全文

学校读者我要写书评

暂无评论

基于多元高斯分布的零件尺寸异常检测

组合机床与自动化加工技术 2022年第4期 92-95页

作者：吴林慧何毅斌陈宇晨杜伟汪强武汉工程大学机电工程学院武汉430205 武汉工程大学化工装备强化与本质安全湖北省重点实验室武汉430205

针对零件尺寸异常检测中废品样本难以获取,并且特征维度不高的特点,提出一种建立基于数据分布特性的多元高斯分布模型对零件尺寸是否超差进行异常检测的方法。首先,通过利用极大似然估计计算模型的参数;其次,为了简化协方差矩阵求逆时... 详细信息

针对零件尺寸异常检测中废品样本难以获取,并且特征维度不高的特点,提出一种建立基于数据分布特性的多元高斯分布模型对零件尺寸是否超差进行异常检测的方法。首先,通过利用极大似然估计计算模型的参数;其次,为了简化协方差矩阵求逆时的复杂性,使用平方根分解优化模型;最后,利用问题转化后的改进粒子群优化算法求解最优阈值。实验中将零件的长、宽、圆的大小作为模型的输入,通过真实数据验证该方法的准确率达到97.5%,耗时缩短到2.433 s,性能显著提升,表明此方法可以有效应用于尺寸超差故障检测。

关键词：异常检测多元高斯分布极大似然估计平方根分解粒子群优化算法

在线全文

学校读者我要写书评

暂无评论

基于多元高斯分布的网络流量异常识别方法

淮阴师范学院学报（自然科学版） 2022年第3期21卷 223-228页

作者：卓群忠福建广播电视大学莆田分校福建莆田351106

考虑到传统网络流量异常识别数学模型受网络干扰项影响,会降低网络流量异常识别的精度,提出多元高斯分布的网络流量异常识别数学建模.通过引入多元高斯分布理论,解析网络流量数据包,在获取网络端口的基础上,提取网络流量中的TCP网络流... 详细信息

考虑到传统网络流量异常识别数学模型受网络干扰项影响,会降低网络流量异常识别的精度,提出多元高斯分布的网络流量异常识别数学建模.通过引入多元高斯分布理论,解析网络流量数据包,在获取网络端口的基础上,提取网络流量中的TCP网络流量特征和GPRS网络流量特征;将生成的随机梯度序列结合多元高斯分布序列生成新的网络流量分类,对流量分类器统计分析,确定最终的网络流量分类类别,并通过计算网络流量信息增益,确定网络流量异常情况;通过构建网络流量异常识别数学模型,实现网络流量的异常识别.实验结果表明,所提模型在识别网络流量异常时,提高了识别效率和精度.

关键词：多元高斯分布网络流量异常识别数学建模

在线全文

学校读者我要写书评

暂无评论

基于多元高斯分布异常检测的地震断层识别

基于多元高斯分布异常检测的地震断层识别

2019年中国地球科学联合学术年会

作者：董倩芸程久龙李亚豪董毅中国矿业大学(北京)地球科学与测绘工程学院

1引言通常进行断层解释时,解释人员通过观察地震剖面上振幅、相位和时差等特征识别断层,但对于某些不明显的变化,肉眼难以识别,使得解释结果受人为因素影响较大(孙振宇等,2017)。地震属性是指那些由叠前或叠后地震数据,经过数学变换而... 详细信息

1引言通常进行断层解释时,解释人员通过观察地震剖面上振幅、相位和时差等特征识别断层,但对于某些不明显的变化,肉眼难以识别,使得解释结果受人为因素影响较大(孙振宇等,2017)。地震属性是指那些由叠前或叠后地震数据,经过数学变换而得出的有关地震波的几何学、运动学、动力学或统计学特征,其在构造解释、地层岩性解释、储层评价等领域得到了广泛应用(林年添等,2018)。

关键词：断层解释多元高斯分布异常检测

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

多元q-高斯分布性质及数字特征

统计与决策 2014年第7期30卷 74-76页

作者：吴海英张林锋刘君童恒庆贺素香武汉理工大学应用数学系武汉430070

文章以带随机项的微分方程组导出的一种多元函数为研究对象,验证了它是一种密度函数(多元q-高斯密度函数);然后研究了多元q-高斯密度函数的一些性质,特别是指出了在参数β=1/2且q→1时它是多元高斯分布密度函数,并且通过图像证实了多元q... 详细信息

文章以带随机项的微分方程组导出的一种多元函数为研究对象,验证了它是一种密度函数(多元q-高斯密度函数);然后研究了多元q-高斯密度函数的一些性质,特别是指出了在参数β=1/2且q→1时它是多元高斯分布密度函数,并且通过图像证实了多元q-高斯分布较多元高斯分布具有尖峰厚尾性;最后推导出了多元q-高斯分布的一些数字特征(期望和协方差)。

关键词：多元q-高斯分布多元高斯分布数字特征期望协方差

磁浮列车悬浮系统LSTM与MGD融合的在线异常检测方法

在线全文

学校读者我要写书评

暂无评论

交通运输工程学报 2023年第6期23卷 216-231页

作者：杨彪梅子龙志强国防科技大学智能科学学院湖南长沙410073

针对磁浮列车悬浮系统的在线异常检测问题,提出了一种基于长短时记忆(LSTM)神经网络与多元高斯分布(MGD)的检测方法;建立学习悬浮系统正常运行的LSTM时间序列预测模型,得到了正常情况下的预测误差;基于间隙、电流和加速度的预测误差,建... 详细信息

针对磁浮列车悬浮系统的在线异常检测问题,提出了一种基于长短时记忆(LSTM)神经网络与多元高斯分布(MGD)的检测方法;建立学习悬浮系统正常运行的LSTM时间序列预测模型,得到了正常情况下的预测误差;基于间隙、电流和加速度的预测误差,建立了反映正常情况下预测误差分布特性的MGD模型;以对数概率密度作为检测指标,设计了在线检测逻辑,并以F_(1)分数作为检测效果衡量指标设置阈值;为了验证所提方法的有效性,利用磁浮列车运营线数据模拟在线数据,采用所提方法对过轨道接缝异常、砸轨异常和加速度信号异常进行了检测与分析。研究结果表明:在检测以上3类异常时,所提方法的F_(1)分数分别达到了100.00%、97.85%和83.33%,所提方法的检测指标在正常和异常情况下对比明显,可以反映出悬浮系统产生异常到调整好的具体时间段,并且算法平均耗时约2 s;相较于基于超球体高斯分布方法,所提方法检测率平均提高了1.9%,其中对于持续时间短的过轨道接缝异常的检测率提高了9.4%。可见,所提方法可以对悬浮系统状态数据进行异常在线检测。

关键词：磁浮列车悬浮系统异常检测长短时记忆神经网络时间序列预测模型多元高斯分布

考虑工况变化的数控刀架运行状态异常检测方法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2022年第2期52卷 329-337页

作者：胡炜陈传海郭劲言刘志峰申桂香于春明吉林大学数控装备可靠性教育部重点实验室长春130022 吉林大学机械与航空航天工程学院长春1300225 瑞典皇家理工学院瑞典斯德哥尔摩25175 沈阳机床股份有限公司沈阳110142

针对数控刀架故障数据少、难获取,且运行数据随工况变化致使故障诊断困难的问题,提出了一种基于非故障数据并考虑工况变化的运行状态异常检测方法。该方法通过多元高斯分布模型和考虑工况变化的偏差特征建模,确定刀架运行状态异常数据... 详细信息

针对数控刀架故障数据少、难获取,且运行数据随工况变化致使故障诊断困难的问题,提出了一种基于非故障数据并考虑工况变化的运行状态异常检测方法。该方法通过多元高斯分布模型和考虑工况变化的偏差特征建模,确定刀架运行状态异常数据的评判依据。首先,通过统计分析找到刀架在不同工作过程中的关键工况与信号特征;其次,分别选择线性回归、信息增益判别、广义回归神经网络方法建立工况与信号特征的关系模型,得到观测信号特征与给定信号特征之间的偏差;最后,采用刀架正常状态时的数据训练模型。通过大量工况变化实验与异常模拟实验,并与传统多元高斯分布模型比较,得出本文所提模型能排除工况变化的影响,并能更好地识别异常状态。

关键词：异常检测工况数控刀架多元高斯分布

在线全文

学校读者我要写书评

暂无评论

基于社交媒体的用户情绪建模与异常检测

中文信息学报 2018年第4期32卷 120-129页

作者：孙晓张陈任福继合肥工业大学计算机与信息学院安徽合肥230009 德岛大学工程学院日本7700855

为了对新浪微博用户的异常情绪进行检测和分析,该文提出一种基于多元高斯模型和幂律分布的异常检测方法,根据联合概率密度值判断用户是否出现情绪异常。在实验部分,按照不同用户的异常检测准确率为83.49%,按照不同月份为87.84%。分布测... 详细信息

为了对新浪微博用户的异常情绪进行检测和分析,该文提出一种基于多元高斯模型和幂律分布的异常检测方法,根据联合概率密度值判断用户是否出现情绪异常。在实验部分,按照不同用户的异常检测准确率为83.49%,按照不同月份为87.84%。分布测试表明,单个用户的中性、快乐和悲伤情绪服从正态分布,而惊讶和愤怒情绪则不服从;群体发布的微博的情绪服从"幂律分布",而单个用户则不服从。该文引入多元高斯模型来进行社交媒体的异常情绪的检测,通过联合概率密度值量化了异常情绪检测。当数据充足时,该方法可以检测用户或者某个社交平台每一周甚至每一天的异常情绪,这对个体异常情绪检测、网络舆情挖掘、大规模爆发事件预防以及公共安全监测有一定意义。

关键词：社交网络异常检测多元高斯分布联合概率密度

基于PCA与最大后验概率分类的人脸识别方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2014年第2期41卷 91-94页

作者：袁少锋王士同江南大学数字媒体学院无锡214122

在运用主成分分析进行人脸识别的过程中,由于实际图像可能符合某种概率密度分布,并且实际用到的图像可能受到不同程度的噪声污染,简单的距离分类已不再适用。基于核函数的最大后验概率分类是将概率密度函数估计中的参数估计、核函数以... 详细信息

在运用主成分分析进行人脸识别的过程中,由于实际图像可能符合某种概率密度分布,并且实际用到的图像可能受到不同程度的噪声污染,简单的距离分类已不再适用。基于核函数的最大后验概率分类是将概率密度函数估计中的参数估计、核函数以及贝叶斯理论结合起来,能很好地考虑到概率分布情况,用多元高斯分布下的基于核函数的最大后验概率分类取代距离分类,对于含有不同参数值的高斯噪声图像有较好的识别率。用ORL标准人脸库进行验证,实验结果表明了可行性。

关键词：主成分分析多元高斯分布参数估计核函数贝叶斯理论