论文摘要
针对智能穿戴设备普及背景下,利用运动手环采集的活动数据存在未知异常数据的问题,提出一种基于高斯核密度估计的健康数据异常值检测方法。首先采用t-分布邻域嵌入算法对数据集进行特征提取,增强数据局部结构能力;接着利用高斯核局部密度代替局部异常因子算法中的局部可达密度,提出基于高斯核密度估计离群因子（GKDELOF）算法,推导分析了该算法判断阈值的稳定性;最后在UCI标准数据集上进行仿真实验,验证算法的准确性,并在选取的真实运动手环所采集的活动数据集上进行实验分析。实验结果表明,该方法能够解决由活动复杂多样性造成的健康数据稀疏问题,准确检测出异常值。
论文目录
文章来源
类型: 期刊论文
作者: 王康,周治平
关键词: 运动手环,健康数据,异常值检测,局部异常因子,高斯核密度估计
来源: 计算机科学与探索 2019年12期
年度: 2019
分类: 信息科技
专业: 自动化技术
单位: 江南大学物联网工程学院
分类号: TP274
页码: 2094-2102
总页数: 9
文件大小: 2187K
下载量: 418