基于ICA的异常数据挖掘算法研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于ICA的异常数据挖掘算法研究

王莉君, 何政伟, 冯平兴

文章导航 > 电子科技大学学报 > 2015 > 44(2): 211-214

王莉君, 何政伟, 冯平兴. 基于ICA的异常数据挖掘算法研究[J]. 电子科技大学学报, 2015, 44(2): 211-214. doi: 10.3969/j.issn.1001-0548.2015.02.009

引用本文:

王莉君, 何政伟, 冯平兴. 基于ICA的异常数据挖掘算法研究[J]. 电子科技大学学报, 2015, 44(2): 211-214. doi: 10.3969/j.issn.1001-0548.2015.02.009

WANG Li-jun, HE Zheng-wei, FENG Ping-xing. Study of Outlier Data Mining Algorithm Based on ICA[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(2): 211-214. doi: 10.3969/j.issn.1001-0548.2015.02.009

Citation:

WANG Li-jun, HE Zheng-wei, FENG Ping-xing. Study of Outlier Data Mining Algorithm Based on ICA[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(2): 211-214. doi: 10.3969/j.issn.1001-0548.2015.02.009

基于ICA的异常数据挖掘算法研究

doi: 10.3969/j.issn.1001-0548.2015.02.009

1.
成都理工大学地质灾害防治与地质环境保护国家重点实验室成都 610059;
2.
成都理工大学地球物理学院成都 610059;
3.
电子科技大学成都学院成都 610051

基金项目:

高等学校博士学科点专项科研基金(20095122110003);地质灾害防治与地质环境保护国家重点实验室开放基金(SKLGP2011Z005);四川省教育厅自然科学项目(12ZB233)

作者简介:
王莉君(1983-),女,博士生,主要从事数据挖掘方面的研究.

中图分类号: TP391;TN911.7

Study of Outlier Data Mining Algorithm Based on ICA

1.
State Key Laboratory of Geohazard Prevention and Geoenvironment Protection,Chengdu University of Technology Chengdu 610059;
2.
College of Geophysics,Chengdu University of Technology Chengdu 610059;
3.
Chengdu College of University of Electronic Science and Technology of China Chengdu 610051

摘要: 在传统的独立成分分析方法中,没有考虑异常数据值对分离性能的影响。该文提出了一种基于影响函数的检测方法,通过该方法可以发现隐藏在观测数据中的异常成分。利用影响函数对数据进行投影分析,对混入脉冲噪声的观测信号进行盲源分离,从而实现对脉冲噪声的消除。实验仿真结果表明,该方法可以有效且可靠地检测出所观察信号中的异常数据。
- 异常数据挖掘 /
- 盲源分离 /
- 脉冲噪声 /
- 独立分量分析 /
- 信号处理
Abstract: In the traditional study of independent component analysis (ICA), the outlier data had not been considered. This paper proposes a method based on influence function to find the outliers from the observed data in ICA. General, outliers have a significant influence on the separation performance of ICA. Using the influence functions to project the observed data, the impulsive noisy components which mixed in the observed data can be eliminated from the normal data. The experimental results demonstrate the effectiveness of proposed method.
- abnormal data mining /
- blind source separation /
- impulse noise /
- independent component analysis /
- signal processing

[1]	郭磊, 林啸宇, 王勇, 陈正武, 常伟. 基于深度学习的直升机旋翼声信号检测与识别一体化算法 . 电子科技大学学报, 2023, 52(6): 925-931. doi: 10.12178/1001-0548.2023108
[2]	李春林, 徐好, 吴琳拥. 基于层次分析法的雷达仙波信号检测与抑制方法 . 电子科技大学学报, 2020, 49(6): 843-847. doi: 10.12178/1001-0548.2020007
[3]	骆忠强, 朱立东. 基于广义协方差张量分解的欠定盲辨识算法 . 电子科技大学学报, 2016, 45(6): 893-897. doi: 10.3969/j.issn.1001-0548.2016.06.003
[4]	罗志祥, 张俊, 柯昌剑, 刘德明. 利用三极管对高速大动态光电转换系统降噪分析 . 电子科技大学学报, 2016, 45(1): 146-150. doi: 10.3969/j.issn.1001-0548.2016.01.025
[5]	岳光荣, 刘志特, 杨国胜, 王军. 水下甚低频MSK信号最大似然多符号差分解调算法 . 电子科技大学学报, 2016, 45(4): 528-532. doi: 10.3969/j.issn.1001-0548.2016.04.005
[6]	付卫红, 李爱丽, 黄坤, 马丽芬, 严新, 杨博. 欠定盲分离时变混合矩阵的估计 . 电子科技大学学报, 2015, 44(4): 508-512. doi: 10.3969/j.issn.1001-0548.2015.04.006
[7]	陈立伟, 杨建华, 孙亮, SHI Mi-mi. 基于分布式传感器阵列的静态气体源定位方法 . 电子科技大学学报, 2014, 43(2): 212-215.
[8]	程光辉, 王磊杰. 直接正交联合对角化盲分离算法 . 电子科技大学学报, 2014, 43(3): 359-362. doi: 10.3969/j.issn.1001-0548.2014.03.007
[9]	成昊, 唐斌. 基于相关熵的盲源分离算法 . 电子科技大学学报, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007
[10]	马义德, 袁金霞, 张红娟. 自适应彩色图像SCM去噪 . 电子科技大学学报, 2012, 41(5): 751-758.
[11]	白琳, 陈豪. 欠定模型下源信号及混合矩阵动态变化时的盲分离 . 电子科技大学学报, 2012, 41(3): 348-354. doi: 10.3969/j.issn.1001-0548.2012.03.004
[12]	付卫红, 史凡, 刘乃安. 适用于时变信道环境的盲源分离算法 . 电子科技大学学报, 2012, 41(4): 512-515. doi: 10.3969/j.issn.1001-0548.2012.04.006
[13]	张和发, 李立萍. 含噪独立分量分析的期望最大化算法 . 电子科技大学学报, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009
[14]	陈洪波, 陈真诚, 汤井田. 同场景多幅图像中的强噪声抑制 . 电子科技大学学报, 2010, 39(2): 209-213,226. doi: 10.3969/j.issn.1001-0548.2010.02.012
[15]	洪英, 韩周安. 偏亚高斯语音信号有效分离ICA方法研究 . 电子科技大学学报, 2008, 37(5): 693-697.
[16]	杨明轩. 小波变换的齿轮泵故障分析 . 电子科技大学学报, 2007, 36(4): 805-808.
[17]	闵锐, 姚刚, 周非, 黄顺吉. 双站SAR系统的信号分析 . 电子科技大学学报, 2006, 35(6): 905-908.
[18]	张智林, 皮亦鸣, 孙志坚. 基于独立分量分析的降噪技术 . 电子科技大学学报, 2005, 34(3): 296-299.
[19]	崔奉云, 王军. 基于电容近感原理的无源探测信号分析 . 电子科技大学学报, 2002, 31(6): 562-565.
[20]	郁伯康, 郁梅. 彩色图像脉冲噪声的自适应矢量滤波 . 电子科技大学学报, 2000, 29(2): 131-135.

WeChat

点击查看大图

计量

文章访问数: 3487
HTML全文浏览量: 102
PDF下载量: 69
被引次数: 0

基于ICA的异常数据挖掘算法研究

doi: 10.3969/j.issn.1001-0548.2015.02.009

1. 成都理工大学地质灾害防治与地质环境保护国家重点实验室成都 610059;

2. 成都理工大学地球物理学院成都 610059;

3. 电子科技大学成都学院成都 610051

基金项目:

高等学校博士学科点专项科研基金(20095122110003);地质灾害防治与地质环境保护国家重点实验室开放基金(SKLGP2011Z005);四川省教育厅自然科学项目(12ZB233)

作者简介:
王莉君(1983-),女,博士生,主要从事数据挖掘方面的研究.

收稿日期: 2014-10-09
修回日期: 2015-01-12
刊出日期: 2015-04-15

中图分类号: TP391;TN911.7

关键词:

摘要: 在传统的独立成分分析方法中,没有考虑异常数据值对分离性能的影响。该文提出了一种基于影响函数的检测方法,通过该方法可以发现隐藏在观测数据中的异常成分。利用影响函数对数据进行投影分析,对混入脉冲噪声的观测信号进行盲源分离,从而实现对脉冲噪声的消除。实验仿真结果表明,该方法可以有效且可靠地检测出所观察信号中的异常数据。

English Abstract

王莉君, 何政伟, 冯平兴. 基于ICA的异常数据挖掘算法研究[J]. 电子科技大学学报, 2015, 44(2): 211-214. doi: 10.3969/j.issn.1001-0548.2015.02.009

引用本文:

王莉君, 何政伟, 冯平兴. 基于ICA的异常数据挖掘算法研究[J]. 电子科技大学学报, 2015, 44(2): 211-214. doi: 10.3969/j.issn.1001-0548.2015.02.009

WANG Li-jun, HE Zheng-wei, FENG Ping-xing. Study of Outlier Data Mining Algorithm Based on ICA[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(2): 211-214. doi: 10.3969/j.issn.1001-0548.2015.02.009

Citation:

WANG Li-jun, HE Zheng-wei, FENG Ping-xing. Study of Outlier Data Mining Algorithm Based on ICA[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(2): 211-214. doi: 10.3969/j.issn.1001-0548.2015.02.009

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发