...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Computers >Multiple-Case Outlier Detection in Multiple Linear Regression Model Using Quantum-Inspired Evolutionary Algorithm
【24h】

Multiple-Case Outlier Detection in Multiple Linear Regression Model Using Quantum-Inspired Evolutionary Algorithm

机译：多重线性回归模型中的多种外壳异常检测使用量子启动展开算法

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

—In ordinary statistical methods, multiple outliers in multiple linear regression model are detected sequentially one after another, where smearing and masking effects give misleading results. If the potential multiple outliers can be detected simultaneously, smearing and masking effects can be avoided. Such multiple-case outlier detection is of combinatorial nature and 2N − N −1 sets of possible outliers need to be tested, where N is the number of data points. This exhaustive search is practically impossible. In this paper, we have used quantum-inspired evolutionary algorithm (QEA) for multiple-case outlier detection in multiple linear regression model. A Bayesian information criterion based fitness function incorporating extra penalty for number of potential outliers has been used for identifying the most appropriate set of potential outliers. Experimental results with 10 widely referred datasets from statistical literature show that the QEA overcomes the effect of smearing and masking and effectively detects the most appropriate set of outliers.
机译：-IN常规统计方法，一个接一个地检测多个线性回归模型中的多个异常值，其中涂抹和掩蔽效应呈误导结果。如果可以同时检测到潜在的多个异常值，则可以避免涂抹和掩蔽效果。这种多种外部异常检测是组合性质，2N-N-N -1可能需要测试可能的异常值，其中n是数据点的数量。这种详尽的搜索实际上是不可能的。在本文中，我们在多个线性回归模型中使用了对多种情况异常检测的量子启发演化算法（QEA）。基于贝叶斯信息标准的健身功能，包含额外的潜在异常值的惩罚已经用于识别最合适的潜在异常值。具有10个统计文献的10个广泛传播的数据集的实验结果表明，QEA克服了涂抹和掩蔽的效果，有效地检测了最合适的异常值。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号