222
社区成员
- 全部
...全文
请发表友善的回复…
发表回复
还没有回复，快来抢沙发～
论文研究 - 基于改进LOF算法的店铺收银机数据异常检测 它应用LOF算法在每个时间段检测事务数据的异常程度，设置初始阈值以检测异常值，删除异常值，然后对数据集执行SAX检测。 如果未通过测试，它将逐步扩展外围区域，并重复上述过程以优化离群值阈值，从而提高检测算法...
基于邻域链的数据异常点检测 异常点检测(outlier detection)领域...实验结果表明,对比经典的基于密度的异常点检测方法LOF(Local outlier factor)以及几种基于LOF的改进方法,所提出的方法能够更加准确地区分正常和异常数据点,避免反直观结果的出现.
C++ 实现LOF算法 用C++实现机器学习的LOF算法进行离群点检测。类中lof.LOFclassification(feadata,5,0.90,labels);第一个参数为特征矩阵，第二个参数是lof中点的个数，第三个参数为正常点的比例，第四个参数为输出的分类结果。
LOF离群点检测 MATLAB实现 看CSDN这里没有人分享，就从Github上搬过来了，侵删 Summary: Calculates local outlier factor for each sample in test dataset according to training data Notes: It is assumed that data is normalized ...
LOF_outlier_LOF_LOF异常_Score!_局部离群因子；LOF_源码 局部异常因子算法-Local Outlier Factor(LOF)算法，LOF通过计算一个数值score来反映一个样本的异常程度。这个数值的大致意思是：一个样本点周围的样本点所处位置的平均密度比上该样本点所在位置的密度。比值越大于1...
lof离群算法MATLAB实现有数据 基于密度的局部异常因子检测方法对局部离 群点有极高的灵敏性，若检测对象中不存在离群 点， 各对象的 LOF 数值近似等于 1， 若存在离群点， 则离群点的LOF数值随离群程度的增大而增大
基于方形邻域的离群点查找新方法 提出一种基于密度的快速查找离群点的算法- 基于方形邻域的离群点查找算法(ODBSN),该算法把DBSCAN算法的邻域改造成方形邻域, 并吸收基于网格算法的思想, 用密集的方形邻域快速排除非离群点;用邻域扩张的思想代替网格...
微信小程序--加载动画：追光 效果展示 Demo代码 index.wxml <view class="ring"> Haihong <view class="a"></view> </view> index.json { "usingComponents": {} } index.js Page({ ... onLoad:
LOF（Local Outlier Factor）：局部异常因子 一、k距离邻域：表示K个数据点组成的一个邻域范围 某一点P的k距离（k-distance）很容易解释，就是点P和距离点P第k近的点之间距离，但不包括P。假设P是学校，葛小伦、刘闯、赵信、蔷薇、琪琳、炙心6个同学都住在...
一种基于邻域系统密度差异度量的离群点检测算法 针对离群点检测算法LOF在高维离散分布数据集中检测精度较低及参数敏感性较高的问题，提出了基于邻域系统密度差异度量的离群点检测NSD（neighborhood system density difference）算法。相较于传统基于密度的离群点...
四类异常检测算法综述：Isolation Forest、LOF、PCA及DAGMM 异常检测(Anomaly detection)问题是机器学习算法的一个常见应用。这种算法的一个有趣之处在于：它虽然主要用于非监督学习问题，但从某些角度看，它又类似于一些监督学习问题。本文总结了四种机器学习中异常检测的...
LOF: Identifying Density-Based Local Outliers 这篇论文是Breunig于2000年发表在Proc. ACM SIGMOD 2000 Int. Conf. On Management of Data的关于LOF算法的经典论文，需要了解该算法的同学可以详细读一读。
LOF异常检测代码matlab-Anomaly-Detection-Resources:异常检测资源 LOF异常检测代码matlab 异常检测学习资源 （也称为异常检测）是一个令人兴奋但具有挑战性的领域，旨在识别偏离一般数据分布的外围对象。 异常值检测已被证明在许多领域都很重要，例如信用卡欺诈分析、网络入侵检测和...
异常检测：局部异常因子LOF算法在python中实现 异常检测：局部异常因子LOF算法的方方面面 原文：http://kakazai.cn/index.php/Kaka/Jqxx/query/id/6 文章目录一、别名二、历史三、算法简介（1）核心思想（2）算法描述（3）时间复杂度分析四、算法的变种（1）...
LOF数据预处理使用例子 from sklearn import datasets #导入内置数据集模块 iris=datasets.load_iris() #导入鸢尾花的数据集 x=iris.data[:,0:2] #样本数据共150个，取前两个特征，即花瓣长、宽 #可视化数据集 import matplotlib.pyplot ...
内核的启动过程分析-uboot和系统移植第16部分 本课程为linux kernel移植的第3部分，主要内容是linux内核启动流程的代码分析和细节解读。本部分的学习目标是对linux内核的启动和构建过程有个清晰理解，对内核启动后的状态有清晰认识，从而能够帮助我们分析和解决内核移植过程中的问题。 本课程为uboot和系统移植阶段的第16部分，适合学习了uboot移植，需要继续学习ulinux内核移植的同学。
微信公众平台开发入门 本套课程的设计完全是为初学者量身打造，课程内容由浅入深，课程讲解通俗易懂，代码实现简洁清晰。通过本课程的学习，学员能够入门微信公众平台开发，能够胜任企业级的订阅号、服务号、企业号的应用开发工作。
通过本课程的学习，学员能够对微信公众平台有一个清晰的、系统性的认识。例如，公众号是什么，它有什么特点，它能做什么，怎么开发公众号。
其次，通过本课程的学习，学员能够掌握微信公众平台开发的方法、技术和应用实现。例如，开发者文档怎么看，开发环境怎么搭建，基本的消息交互如何实现，常用的方法技巧有哪些，真实应用怎么开发。
通过合理的课程设计，结合讲师多年的教学经验、微信开发经验，轻松引导初学者掌握微信公众平台开发。
