针对时空数据异常识别精度不足的问题,从时间维度和空间维度融合思想出发,构建了一个时空数据异常识别框架.基于该框架,在分布未知情况下,采用阿基米德Copula函数推导了不同空间位置属性数据之间的差异概率.与此同时,建立了以高值点数为核心的空间数据转化方法,形成了空间秩序列,确定了用于假设检验的期望和方差.最后,以窗口大小、范围半径为模型参数,通过M-K检验给出了异常数据的识别方法.实验表明,该方法能够进一步提高时空数据异常检测精度,具有更强的识别能力.
类型: 期刊论文
作者: 李建勋,张锐军,SAFONOV Paul,佟瑞
关键词: 时空数据,异常识别,检验,函数
来源: 系统工程理论与实践 2019年12期
年度: 2019
分类: 基础科学,信息科技
专业: 计算机软件及计算机应用
单位: 西安理工大学经济与管理学院,圣克劳德州立大学赫伯格商学院
基金: “十二五”国家水体污染控制与治理重大专项课题(2012ZX07201-006),陕西省社会科学基金(2018S08),陕西省教育厅专项科研计划项目(18JK0577)~~
分类号: TP311.13
页码: 3229-3236
总页数: 8
文件大小: 991K
下载量: 161
本文来源: https://www.lunwen90.cn/article/ba3039703454112d84318f2c.html