关于lof改进的程序，用到了反邻域。

m0_47558345 2020-05-07 09:14:13
有没有有兴趣写的，Java，c，Python等等都可以。有意向私聊。
...全文
75 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
划分方法聚类（二）K-MEANS算法的改进
本文探讨了K-Means算法的主要缺点及其改进方案，包括处理离群点、选择K值、确定初始聚类中心、识别非球状簇、处理标称属性及解决局部收敛问题。
68、业务流程偏差挖掘与事件日志可视化
本文探讨了业务流程偏差挖掘的主要方法，包括基于相似性和聚类的技术，以及混合解决方案，重点分析了kNN、LOF和轮廓法等无监督方法的应用。同时介绍了事件日志的构成与XES标准格式，强调其在流程挖掘中的关键作用。最后总结了技术适用场景及未来研究方向，如半监督学习与异常解释增强。
基于局部密度的并行异常检测算法
本文介绍了两种基于局部密度的并行异常检测算法——MRLOF和SLOF，分别基于MapReduce和Spark框架。这两种算法有效降低了时间复杂度，提高了大规模数据处理能力。实验结果显示，所提算法在多个真实数据集上表现出良好的性能和可扩展性。
多源信息融合海上风电机组健康状态监测系统【附代码】
计算每个数据点的局部可达密度，将其与邻域点的密度比较，将LOF得分大于3的点判定为离群值并剔除。通过Pearson相关系数分析特征之间的冗余性，设定阈值0.95，剔除高度相关的冗余特征，最终保留12个关键特征（如风速、有功功率、发电机温度、齿轮箱油温等）。将机组健康状态划分为优、良、中、差四个等级。选取多个评估指标（振动、温度、功率、电气参数等），利用云模型获取每个指标对各等级的模糊隶属度。✨ 本团队擅长数据搜集与处理、建模仿真、程序设计、仿真代码、EI、SCI写作与指导，毕业论文、期刊论文经验交流。
【博士论文】基于局部中心量度的聚类算法研究附Matlab代码
本文聚焦基于局部中心量度的聚类算法研究。随着大数据发展，传统聚类算法处理复杂数据面临挑战，局部中心量度提供新思路。作者提出融合多尺度局部信息的计算模型、自适应聚类算法框架及结合流形学习的高维数据聚类方法，实验显示新算法在多方面表现优异。
其他

259

社区成员

6,544

社区内容

发帖
与我相关
我的任务
社区描述
其他产品/厂家
社区管理员
  • 其他
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章