%0 Journal Article
%T 基于多维滑窗的异常数据检测方法
%A 花青
%A 许国艳
%A 张叶
%J 计算机应用
%D 2015
%X ？随着数据流的广泛运用,数据流中异常数据的检测问题也引起了更多的关注.现有的卡尔曼滤波算法需要的历史数据量虽然小,但只适用于单个异常点的检测,对于复杂连续的异常值检测效果较差.针对这个问题,提出一种水文传感器分级标注模型,并在此基础上提出一种基于多维影响因子的卡尔曼滤波算法,加入空间、时间、起源三个维度的影响因子,在天气和汛期等影响因素改变时,对系统模型的控制参数进行适当调整,并且对测量噪声进行更加准确的估计,提高异常检测的准确性.实验结果证明,所提算法在保证运行时间相近的前提下,检测的错误率远低于基于遗忘因子的卡尔曼(akf)算法和基于小波的卡尔曼(wkf)算法.
%K 异常数据检测
%K 数据起源
%K 分级标注模型
%K 多维影响因子
%K 卡尔曼算法
%U http://www.joca.cn/CN/abstract/abstract18816.shtml