开发工具:
文件大小: 1mb
下载次数: 0
上传时间: 2021-03-06
详细说明：1异常事件被定义为与特征空间中的其他点稀有且不同的点。 常规的异常检测方法通常利用获知的概率分布模型来找到低概率事件，或者使用测试样本的局部密度来评估测试样本。 多状态系统通常具有多个正常状态，并且由于日常操作（例如进料，出口，流量控制等）导致状态变化在不可预测的点上。对于多状态系统，收集包含所有可能状态的足够数据是具有挑战性的，或者对用户而言是不可能的。 此外，常规的异常检测方法对训练数据集的上下文或测试数据集的不可预测的阶段性变化很敏感，或者仅考虑测试样本的局部密度。 受此问题的推动，我们将模型学习问题转换为学习每个测试样本的熟悉程度的区别学习问题。 为了减少分阶段变化的影响，我们随机地对测试数据集进行洗牌，并使用滑动窗口通过一类支持向量机（SVM）方法评估测试样本的熟悉程度。 我们的贡献包括：（1）减少对先验知识的需求； （2）处理测试数据集的分阶段变化，（3）考虑测试样本的整体熟悉度。 通过对合成数据集，真实数据集和实验结果进行评估，结果表明该方法优于最新方法。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
