动态SVDD算法在数据流模式变化检测中的应用

doi:10.3778/j.issn.1002-8331.2010.13.036

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (13): 122-126.DOI: 10.3778/j.issn.1002-8331.2010.13.036

• 数据库、信号与信息处理 • 上一篇下一篇

动态SVDD算法在数据流模式变化检测中的应用

余文利，马文龙，廖建平

衢州学院信息与电力工程系，浙江衢州 324000

收稿日期:2009-07-28 修回日期:2009-11-13 出版日期:2010-05-01 发布日期:2010-05-01
通讯作者: 余文利

Dynamic SVDD algorithm application in data stream model changes detection

YU Wen-li，MA Wen-long，LIAO Jian-ping

Department of Information and Electric Power Engineering，Quzhou College，Quzhou，Zhejiang 324000，China

Received:2009-07-28 Revised:2009-11-13 Online:2010-05-01 Published:2010-05-01
Contact: YU Wen-li

摘要/Abstract

摘要： 针对现有数据流模式变化检测算法存在对离群点和噪声敏感等缺点，提出一种基于动态SVDD的数据流模式变化鲁棒检测算法。该算法不需要先验知识，通过建立子序列映像的最小超球体模型以排除离群点及减小噪声的影响。仿真实验验证了算法的有效性。

关键词: 支持向量数据描述, 数据流, 模式变化检测

Abstract: In order to solve the problem of sensitive to outliers and noise in the existing detection algorithm of data stream model changes，a robust online detection algorithm of data stream model changes based on dynamic SVDD is presented.The algorithm does not require a priori knowledge.Sub-sequence of images of the minus hypersphere model is established in order to exclude outliers and reduce noise.Simulation results verify the effectiveness of the algorithm.

Key words: support vector data description, data stream, model change detection

中图分类号:

TP311

余文利，马文龙，廖建平. 动态SVDD算法在数据流模式变化检测中的应用[J]. 计算机工程与应用, 2010, 46(13): 122-126.

YU Wen-li，MA Wen-long，LIAO Jian-ping. Dynamic SVDD algorithm application in data stream model changes detection[J]. Computer Engineering and Applications, 2010, 46(13): 122-126.

[1]	王俊红，郭亚慧. 面向动态数据块的非平衡数据流分类算法[J]. 计算机工程与应用, 2021, 57(13): 124-129.
[2]	周玉，朱文豪，房倩，白磊. 基于聚类的离群点检测方法研究综述[J]. 计算机工程与应用, 2021, 57(12): 37-45.
[3]	徐清妍，何丽，朱泓西. 改进Hoeffding不等式的概念漂移检测方法[J]. 计算机工程与应用, 2020, 56(19): 55-61.
[4]	胡阳，胡学钢，李培培. 基于Spark的快速短文本数据流分类方法[J]. 计算机工程与应用, 2020, 56(14): 138-147.
[5]	李雄伟1，魏延海1，王晓晗1，徐璐2，孙萍3. 一种面向硬件木马检测的SVDD增量学习改进算法[J]. 计算机工程与应用, 2019, 55(9): 43-48.
[6]	宋峣1，2，3，孙小涓1，2，3，胡玉新1，2，3，雷斌1，2，3，卢晓军4. 基于流式计算的遥感卫星数据快视处理方法[J]. 计算机工程与应用, 2019, 55(10): 77-82.
[7]	吴镜锋，金炜东，唐鹏. 结合SVDD和CNN的接触网支柱号牌图像异常检测[J]. 计算机工程与应用, 2019, 55(10): 193-198.
[8]	裔阳，周绍光，赵鹏飞，胡屹群. 基于正样本和未标记样本的遥感图像分类方法[J]. 计算机工程与应用, 2018, 54(4): 160-166.
[9]	韩贵金. 基于改进CNN和加权SVDD算法的人体姿态估计[J]. 计算机工程与应用, 2018, 54(24): 198-203.
[10]	郑逢斌1，朱青1，2，臧文乾2. 一种XML驱动的遥感产品生产并发数据流模型[J]. 计算机工程与应用, 2018, 54(24): 266-270.
[11]	杨融泽，柳毅. 面向异常数据流的多分类器选择集成方法[J]. 计算机工程与应用, 2018, 54(2): 107-113.
[12]	孔祥鑫，周炜，王晓丹，于明秋. 一种SVDD增量学习淘汰算法[J]. 计算机工程与应用, 2018, 54(18): 174-179.
[13]	魏子衿1，2，3，肖丽2，3. 改进顶点聚类方法的并行核外模型简化算法[J]. 计算机工程与应用, 2018, 54(13): 181-190.
[14]	刘骁，刘辉平，金澈清. 面向不确定数据流的近似ER-Topk查询处理[J]. 计算机工程与应用, 2017, 53(4): 98-105.
[15]	韩崇1，袁颖珊2，梅焘2，耿慧玲2. 基于K-means的数据流离群点检测算法[J]. 计算机工程与应用, 2017, 53(3): 58-63.

动态SVDD算法在数据流模式变化检测中的应用

Dynamic SVDD algorithm application in data stream model changes detection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics