2025年1月27日
星期一
|
欢迎来到贵州省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
杨淞
作品数:
1
被引量:6
H指数:1
供职机构:
武汉大学计算机学院
更多>>
发文基金:
湖北省自然科学基金
地震行业科研专项
国家自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
陈晶
武汉大学计算机学院
李正媛
中国地震台网中心
王丽娜
武汉大学计算机学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
地震
1篇
地震前
1篇
地震前兆
1篇
地震前兆观测
1篇
震前
1篇
数据异常
1篇
前兆
1篇
前兆观测
1篇
局部异常因子
1篇
高频
机构
1篇
武汉大学
1篇
中国地震台网...
作者
1篇
王丽娜
1篇
李正媛
1篇
杨淞
1篇
陈晶
传媒
1篇
计算机应用研...
年份
1篇
2011
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
一种基于误差和关键点的地震前兆观测数据异常挖掘算法
被引量:6
2011年
地震前兆观测数据是对地震进行分析和预测的重要依据。但是当前往往是以人工处理为主要手段,面对海量的前兆观测数据,迫切需要切实可行的异常挖掘算法。提出了基于误差和关键点的自顶向下(error andkey-point top-down,EKTW)分段算法以及基于时间邻域的局部异常因子(time-neighbourhood local outlier factor,TLOF)分析方法。相比于传统的分段算法在高分辨率下近似效果不佳、对发现短时高频异常会造成一定程度影响的缺陷,EKTW分段算法通过对时间序列中的关键点的识别和保留进行了弥补和加强。而基于时间邻域的局部异常因子(TLOF)则考虑到了地震前兆观测数据中的时间属性,在异常挖掘中以时间邻域对象作为参考来评价离群程度。实验表明,以上算法对发现地震前兆观测数据中的两类典型异常具有较好的效果。
李正媛
陈晶
王丽娜
杨淞
关键词:
局部异常因子
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张