基于魯棒尺度的統計建模數據中異常點去除算法的研究及應用
2010-12-31 00:00:00張新榮
計算機應用研究 2010年9期
摘要：針對基于主元分析(PCA)的統計監控模型受到歷史數據中異常點強烈影響的不足，鑒于建模歷史數據中存在的異常點會影響過程監控效果，分析目前常用的魯棒異常值檢測算法原理及其缺陷，提出將中心最短距離(CDC)法與橢球多變量整理(MVT)法相結合，構成一種基于魯棒尺度的CDC-MVT異常值綜合檢測算法，更加準確地檢測異常點。將該算法應用于工業發酵過程，與CDC法和MVT法相比較，該算法能夠有效去除建模數據中的異常點。
關鍵詞：異常點；魯棒尺度；中心最短距離法；橢球多變量整理法
中圖分類號：TP391 文獻標志碼：A 文章編號：1001－3695(2010)09－3319－03
