如需要完整文档点击下方 "点击下载文档" 按钮

对模型精度与稳健性的要求使得异常值检测与稳健估计在模型构建中变得日益重要. 本文首先利用基于边际相关系数构造的高维影响度量指标(HIM)与基于距离相关系数构造的高维数据异常值判别方法(HDC)分别对数据中的异常值进行初步检测, 将数据集中的点分为正常点与异常点两类,然后在初始正常点集的基础上利用稳健的参数估计方法和残差空间超椭球等高面的概念构造了对初始正常点集中误判点的纠正方法,并对初始异常点集中各点的异常值概率重新进行计算,以进一步纠正误判入异常点集的正常点, 最终对异常值检测的准确率进行进一步的提升.通过对两种数据结构下三种不同类型异常数据的模拟, 证明了所提方法的有效性,并通过实例进行验证与分析.

如需要完整文档点击下方 "点击下载文档" 按钮

《一种改进的异常值检测算法与稳健估计》

将 完整文档 下载到本地，方便收藏和查阅

文件号：321965

点击下载文档