文摘
英文文摘
厦门大学学位论文原创性声明及著作权使用声明
第一章绪论
1.1异常数据定义
1.2异常数据存在对软计算建模的影响
1.3本文主要内容
1.4论文内容安排
第二章异常数据研究
2.1异常数据发现的基本概念
2.2分析异常数据的意义
2.3现有异常数据的检测方法.
2.3.1基于统计的方法
2.3.2基于距离的方法
2.3.3基于偏差的方法
2.3.4基于密度的算法
2.4现有异常检测算法小结
第三章异常数据对ANFIS建模的影响
3.1基于减法聚类的自适应神经模糊推理系统(anfis)
3.1.1减法聚类
3.1.2ANFIS
3.1.3由减法聚类形成模糊规则
3.2异常数据对ANFIS建模的影响
第四章异常数据检测的两种改进算法
4.1基于局部最大距离的异常数据检测
4.1.1局部稀疏系数算法
4.1.2基于局部最大距离(LMD)的孤立点检测算法
4.1.3程序设计
4.2基于相似系数和的异常数据检测法
4.3实例分析
第五章基于PCA(主成分分析)和PLS(偏最小二乘)的异常数据检测方法
5.1数据表及其处理
5.1.1样本点空间
5.1.2变量空间
5.1.3数据的标准化处理
5.2主成分分析(pca)法
5.2.1提取主成分的基本思路
5.2.2计算方法
5.2.3主成分分析的性质与特点
5.2.4主成分分析异常数据检测法
5.3实例分析
5.4偏最小二乘(PLS)分析法
5.4.1偏最小二乘简介
5.4.2建模原理
5.4.3计算方法
5.4.4交叉有效性
5.4.5偏最小二乘异常数据检测法
5.5主成分分析与偏量小二乘分析的比较
第六章异常数据检测在ANFIS建模中的应用
6.1铅酸蓄电池剩余电量建模数据异常检测
6.1.1蓄电池剩余电量建模
6.1.2异常数据对SOC建模精度的影响
6.1.3不同异常数据检测方法及其比较
6.2飞机油箱剩余油量软测量建模研究
6.2.1飞机油箱剩余油量测量建模
6.2.2异常数据对飞机油箱剩余油量建模的影响
6.2.3不同异常数据检测方法及其有效性
6.3工业测量数据异常检测流程
总结与展望
参考文献
硕士期间发表的论文
致谢
厦门大学;
