注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 使用Python编写LOF算法

  2. 这篇文章对LOF算法进行了详细的描述， 并用Python语言做了具体的实现，此外给出了详尽的例子和绘图，想要了解该算法的tx可以下载本文，值得推荐！

  3. 所属分类：其它

    • 发布日期：2015-06-22
    • 文件大小：254976
    • 提供者：u012973416

  1. 使用案例学习LOF算法

  2. 本文使用具体的案例详细讲解LOF算法的计算过程，需要对该算法有清楚理解的tx值得下载，可以帮助你快速准确的理解异常检测中的LOF算法。

  3. 所属分类：其它

    • 发布日期：2015-06-22
    • 文件大小：769024
    • 提供者：u012973416

  1. LOF: Identifying Density-Based Local Outliers

  2. 这篇论文是Breunig于2000年发表在Proc. ACM SIGMOD 2000 Int. Conf. On Management of Data的关于LOF算法的经典论文，需要了解该算法的同学可以详细读一读。

  3. 所属分类：其它

    • 发布日期：2015-06-22
    • 文件大小：226304
    • 提供者：u012973416

  1. LOF算法MATLAB实现

  2. LOF离群因子算法，是基于密度的用于噪声和异常数据检测的常用算法，它通过为每个数据计算异常因子，来判断该数据是否为噪声或干扰数据。

  3. 所属分类：机器学习

    • 发布日期：2017-09-25
    • 文件大小：2048
    • 提供者：n1580034957

  1. LOF算法实现

  2. lof为基于密度的离群点检测算法，该上传代码，能够直观显示每个数据点的离群因子大小，帮助理解该算法。

  3. 所属分类：机器学习

    • 发布日期：2017-12-28
    • 文件大小：1024
    • 提供者：n1580034957

  1. Local Outlier Factor（LOF）异常检测算法一维DEMO

  2. LOF异常检测算法一维DEMO, 找了好久没有找到，自己写了一个，可以帮助理解概念

  3. 所属分类：机器学习

    • 发布日期：2018-03-26
    • 文件大小：696
    • 提供者：qh4869

  1. LOF异常值剔除算法

  2. LOF算法：剔除异常值，用于数据量不大，使用简单，并具有可视化功能，可将异常数据在图上显示出来

  3. 所属分类：专业指导

    • 发布日期：2018-08-25
    • 文件大小：1024
    • 提供者：qq_41629564

  1. Local Outlier Factor(LOF算法matlab程序)

  2. Local Outlier Factor(LOF算法matlab程序)，常用于离群点检验，异常值剔除等应用中

  3. 所属分类：机器学习

    • 发布日期：2018-11-16
    • 文件大小：744
    • 提供者：voidfaceless

  1. 局部异常因子算法-Local Outlier Factor(LOF)--matlab

  2. 基于密度剔除噪声点和异常数据 局部离群因子 表示点p的邻域点Nk(p)Nk(p)的局部可达密度与点p的局部可达密度之比的平均数。 如果这个比值越接近1，说明p的其邻域点密度差不多，p可能和邻域同属一簇；如果这个比值越小于1，说明p的密度高于其邻域点密度，p为密集点；如果这个比值越大于1，说明p的密度小于其邻域点密度，p越可能是异常点。

  3. 所属分类：机器学习

    • 发布日期：2019-04-02
    • 文件大小：2048
    • 提供者：suofen9703

  1. 剔除测量数据中异常值的若干方法+LOF异常值剔除算法

  2. LOF算法：剔除异常值，用于数据量不大，使用简单，并具有可视化功能，可将异常数据在图上显示出来

  3. 所属分类：专业指导

    • 发布日期：2019-05-04
    • 文件大小：2097152
    • 提供者：qq_26975307

  1. 局部异常因子算法-LOF.rar

  2. 局部异常因子算法MATLAB代码，内含第k距离算法、第k距离邻域算法、可达距离算法、局部可达密度算法及局部异常因子算法。附测试文件用于函数测试。

  3. 所属分类：算法与数据结构

    • 发布日期：2019-05-28
    • 文件大小：2048
    • 提供者：zhwqme

  1. 数据处理chengxuLOF.py

  2. 在数据处理时，经常需要在做特征提取和模型训练之前对数据进行预处理，剔除无效数据和异常数据。基于距离的异常检测算法，局部异常因子LOF算法（Local Outlier Factor），可以实现多为数据的无标签聚类。

  3. 所属分类：机器学习

    • 发布日期：2019-07-19
    • 文件大小：3072
    • 提供者：qq_40451442

  1. outlierbook.pdf

  2. 做异常检测常用的算法介绍都在这本书里哦，做异常检测常用的算法介绍都在这本书里哦，PdfDownloadablefromhttp://rd.springercom/book/10.1007/978-3-319-47578-3 To my wife, my daughter Sayani and my late parents Dr. Prem Sarup and Mrs. Pushplata Aggarwal PdfDownloadablefromhttp://rd.springercom/bo

  3. 所属分类：其它

  1. LOF 局部异常检测

  3. 所属分类：讲义

    • 发布日期：2016-07-29
    • 文件大小：228352
    • 提供者：benduoyi4076

  1. 井下WSN目标跟踪局部异常检测算法

  2. 针对煤矿井下特殊信道环境对无线传感器网络(WSN)目标跟踪造成的约束和对量测数据的精确性造成的影响，设计了适用于井下巷道特征的网络拓扑结构以及分布式分簇目标跟踪算法，并在此基础上提出运用局部异常因子检测算法(LOF)对量测数据中存在的异常点进行实时监测和更新最后结合交互式多模型滤波算法(IMM)实现目标状态估计，仿真结果表明，该算法有效提高了跟踪精度，平衡并降低了网络能耗。

  3. 所属分类：其它

    • 发布日期：2020-06-09
    • 文件大小：1048576
    • 提供者：weixin_38736018

  1. ML-3991-Ex-03：布阿里新浪大学ML练习[03]-3991-源码

  2. ML 3991-练习03 布阿里新浪大学 练习[01] ：异常检测。 在此报告中，我们选择SKAB数据集，并使用工具和库来开发系统。 我们使用VM On 来执行具有以下详细信息的操作： HardWare: RAM: 16.0 GB/DDR4 CPU: 6 Core/Intel Xeon E312/2694 Mhz Storage: 50GB/SSD OS: Microsoft Windows Server 2019/x64 Env: Python 3.9.1/x64/Pycharm 20

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：14336
    • 提供者：weixin_42139357

  1. 基于大数据的电力信息网络流量异常检测机制

  2. 随着智能电网建设的加强，电力信息网络及其承载的业务系统得到迅猛发展，网络业务流量的检测和预警具有重要的安全意义。针对目前电力信息网络缺乏处理流量异常问题的有效技术手段，提出了一种基于大数据的电力信息网络流量异常检测机制，并通过对改进的局部异常因子（M-LOF）和支持向量域数据描述（SVDD）两种常用异常检测算法的对比分析，总结出适合电力信息网络的流量异常检测方法。

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：1048576
    • 提供者：weixin_38685831

  1. C++ 实现LOF算法

  2. 用C++实现机器学习的LOF算法进行离群点检测。类中lof.LOFclassification(feadata,5,0.90,labels);第一个参数为特征矩阵，第二个参数是lof中点的个数，第三个参数为正常点的比例，第四个参数为输出的分类结果。

  3. 所属分类：机器学习

    • 发布日期：2021-01-16
    • 文件大小：2048
    • 提供者：m0_37884144

  1. 基于LNS-DEWKECA算法的多模态工业过程故障检测

  2. 受市场需求主导,工业过程需要在多种工作模态下切换,数据往往呈现多模态复杂分布特性,研究多模态的故障检测技术对于保障工业过程的安全运行具有重要意义.为此,提出一种基于局部近邻标准化(LNS)和方向熵加权核熵成分分析(DEWKECA)的故障检测算法.利用LNS实现多模态数据的标准化,相比于全局标准化, LNS可以有效消除多模态特性;考虑到故障样本与正常样本在变化趋势上的差异,定义样本变化方向的信息熵为方向熵,用来衡量样本变化方向的无序程度,从而利用DEWKECA实现数据降维,可以更有效提取数据变化方

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38609720

  1. 基于LOF和SVM的智能配电网故障辨识方法

  2. 针对现有智能配电网保护方法存在保护装置整定复杂、协调性差以及易误动等问题，提出一种基于局部异常因子（LOF）检测的配电网保护算法，并对配电网在故障定位后不能进行有效的故障类型辨识这一问题，提出LOF和支持向量机（SVM）相结合的智能配电网故障类型判别方法。根据各节点LOF值的大小实现智能配电网的故障检测与定位；然后对故障处的三相电压进行小波变换，以三相电压的小波奇异熵值建立故障特征样本库，利用反映接地故障信息的零序电压低频能量对故障进行预分类，并以此为基础建立SVM故障类型判别预测模型。该算法可

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：950272
    • 提供者：weixin_38615783