Print

高斯核密度估计方法检测健康数据异常值

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

  • 1 引言
  • 2 高斯核密度估计方法原理
  •   2.1 高斯核密度估计局部离群因子算法
  •   2.2 稳定性分析
  • 3 高斯核密度估计方法实现流程
  •   3.1 算法实现
  •   3.2 算法伪代码
  • 4 仿真实验
  •   4.1 实验结果对比与分析
  •   4.2 健康数据异常检测结果
  • 5 结束语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/355c4bce00d1a4a0f0fb7aa2.html