基于SOP-SeedBS的高维数据稀疏变点检验

银炳皓; 施三支; 齐德全

首页> 中文期刊> 《长春理工大学学报（自然科学版）》 >基于SOP-SeedBS的高维数据稀疏变点检验

基于SOP-SeedBS的高维数据稀疏变点检验

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

提出了一种适用于高维数据稀疏变点的SOP-SeedBS检验方法,能达到快速检验的效果。SOP-SeedBS方法是先对数据矩阵进行分解,并基于奇异值分解找到最优的投影方向,再利用投影的方法将高维数据投影到一维空间,最后利用种子二元分割方法对投影后的一维数据进行多变点检验。仿真结果表明,提出的SOP-SeedBS方法与Inspect方法相比较,准确度得到了提高,在计算时间方面具有较大的优势。最后将SOP-SeedBS方法应用于膀胱肿瘤微阵列数据集中,与Inspect和Adapt-WBS等方法的结果具有相似性,进一步说明SOP-SeedBS方法具有实用性。

著录项

来源
《长春理工大学学报（自然科学版）》 |2022年第6期|134-143|共10页
作者
银炳皓; 施三支; 齐德全;
展开▼
作者单位

长春理工大学数学与统计学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类一般数理统计;
关键词
高维; 稀疏变点; 奇异值分解; 种子二元分割; SOP-SeedBS;

相似文献

中文文献
外文文献
专利

1. 基于变点分析思想的高维机械噪声数据本征维估计方法 [J] . 梁胜杰 ,张志华 ,高绍忠 . 船舶力学 . 2016,第011期
2. 基于信息熵的高维稀疏大数据降维算法研究 [J] . 何兴高 ,李蝉娟 ,王瑞锦 . 电子科技大学学报 . 2018,第002期
3. 基于模糊数学的高维稀疏数据聚类统计方法设计 [J] . 周燕茹 . 德州学院学报 . 2021,第6期
4. 基于模糊数学的高维稀疏数据聚类统计方法设计 [J] . 周燕茹 . 吉林化工学院学报 . 2021,第009期
5. 基于深度学习的高维稀疏数据组合推荐算法 [J] . 李晓峰 ,李东 . 计算机技术与发展 . 2020,第2期
6. 基于高维数据特征空间的二维嵌入的体数据分类智能界面 [C] . 王桂珍 ,刘琳 ,叶樉 . 第八届中国计算机图形学大会 . 2010
7. 稀疏性假定下两个高维相关性矩阵的相等性检验 [A] . 杨栩智 . 2020

基于SOP-SeedBS的高维数据稀疏变点检验

摘要

著录项

相似文献

相关主题

期刊订阅