作者:陈力,唐向红 单位:大连组合机床研究所:中国机械工程学会生产工程分会 出版:《组合机床与自动化加工技术》2014年第09期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFZHJC2014090230 DOC编号:DOCZHJC2014090239 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于DBSCAN的环境传感器网络异常数据检测方法》PDF+DOC2012年第11期 潘渊洋,李光辉,徐勇军 《传感器网络中异常数据实时检测算法》PDF+DOC2007年第18期 谭义红,林亚平,董婷,周四望,罗立 《用于扫刮式指纹传感器的图像重组算法》PDF+DOC2006年第10期 安超,张弘,李敏 《基于K-means聚类的WSN异常数据检测算法》PDF+DOC2015年第07期 费欢,李光辉 《基于多维滑窗的异常数据检测方法》PDF+DOC2015年第11期 花青,许国艳,张叶 《基于嵌套滑动窗口的数据流缺失数据填充算法》PDF+DOC2015年第11期 许江,陈志奎,张清辰 《基于人体加速度多特征融合和K近邻算法的跌倒检测》PDF+DOC2018年第07期 华仙,席旭刚 《无线传感器网络的链路评估分簇路由算法》PDF+DOC2011年第11期 何佩,卢先领,秦宁宁,钱菲菲,徐保国 《大规模WSN分簇路由蚁群算法的研究》PDF+DOC2011年第11期 余成波,熊飞,李洪兵,张一萌,刘峪瑄 《蚁群算法在无线传感器网络路由中的应用研究》PDF+DOC2008年第22期 杨靖,林溢,熊伟丽,徐保国
  • 针对断路器控制系统中异常数据检测存在的准确度低、时间复杂度高等问题,引入数据流挖掘技术,提出了一种基于滑动窗口和K—近邻距离的数据检测算法。在该算法中,利用断路器系统中的电流或电压信号的有效值对当前滑动窗口中的所有数据进行剪枝,筛选出绝大部分的正常数据,再利用K—近邻距离的数据检测方法对剩下的可能是异常的数据进行进一步的筛选,从而可以较快且较准确地检测出数据流中的异常数据。通过实验证明,在对同一数据流进行检测时,与其它数据检测算法相比较,该算法具有更好的执行效率和准确度。因此文中提出的算法能很好的运用到断路器控制系统中的异常数据检测。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。