异常检测
2016-02-20 21:14
309 查看
参考:
http://blog.163.com/zhoulili1987619@126/blog/static/353082012015211114642546/
统计方法
假设正常点和异常点都有一个分布。开始时,所有点都服从正常点的分布。然后,假设一个点是异常点,则它服从异常点的分布。计算前后的似然差异。如果较大,那的确是异常点。继续计算下一个点。
基于邻近度的离群点检测
k近邻,计算距离
基于密度的离群点检测
计算密度
基于聚类的技术
某个簇的个数太少,则为离群点
http://blog.163.com/zhoulili1987619@126/blog/static/353082012015211114642546/
统计方法
假设正常点和异常点都有一个分布。开始时,所有点都服从正常点的分布。然后,假设一个点是异常点,则它服从异常点的分布。计算前后的似然差异。如果较大,那的确是异常点。继续计算下一个点。
基于邻近度的离群点检测
k近邻,计算距离
基于密度的离群点检测
计算密度
基于聚类的技术
某个簇的个数太少,则为离群点
相关文章推荐
- 配置Tomcat+MySQL单点登录服务器
- 读《高效能人士的七个习惯》有感
- 广播监听网络变化
- 找不到类 android...app.WindowDecorActionBar
- win10完美去除快捷方式小箭头的方法
- Android开发学习之路-Handler消息派发机制源码分析
- 透明主题
- 1028. 人口普查(20)
- 线性布局 LinearLayout
- 启动模式
- JS中避免命名冲突
- 在Ubuntu中怎样以管理员身份打开文件或文件夹
- Linux网络epoll模型
- 函数参数传递引用形参
- iOS关于CoreAnimation动画知识总结
- Android获取年月日时分秒
- 动态注册receiver
- 2015年工作总结
- 华为手机打开logcat
- C#调用CMD程序