[发明专利]基于GMDH神经元网络的离群点检测方法及装置在审
| 申请号： | 201810257847.6 | 申请日： | 2018-03-27 |
| 公开（公告）号： | CN108229592A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 肖进;雷琴 | 申请（专利权）人： | 四川大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 成都厚为专利代理事务所(普通合伙) 51255 | 代理人： | 夏柯双 |
| 地址： | 610000 四川省成都*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于GMDH神经元网络的离群点检测方法及装置,其中方法包括：用n个样本构建第一训练集L；利用GMDH神经元网络找出第一训练集L的关键特征子集；根据所述关键特征子集映射得到第二训练集L'，并根据第二训练集L'建立第一线性回归模型；将第二训练集L'中的样本i剔除后建立第二线性回归模型，并根据第一线性回归模型和第二线性回归模型计算样本i的库克距离Di；重复步骤S4直到训练集L'中每个样本的库克距离Di都计算得出，然后确定离群点：若Di＞4/n,(i＝1,2,…,n)，则样本i为离群点。本发明通过使用GMDH神经元网络自适应建模，自组织地选择一部分关键特征，从而很好地消除了不相关或冗余的特征，减少数据维度，克服了库克距离检测方法的不足。 | ||
| 搜索关键词： | 训练集 线性回归模型 神经元网络 样本 关键特征 离群点检测 子集 距离检测 数据维度 自适应 自组织 冗余 构建 建模 映射 剔除 重复 | ||
【主权项】：
1.基于GMDH神经元网络的离群点检测方法，其特征在于，包括：S1.用n个样本构建第一训练集L；S2.利用GMDH神经元网络找出第一训练集L的关键特征子集；S3.根据所述关键特征子集映射得到第二训练集L'，并根据第二训练集L'建立第一线性回归模型；S4.将第二训练集L'中的样本i剔除后建立第二线性回归模型，并根据第一线性回归模型和第二线性回归模型计算样本i的库克距离Di；S5.重复步骤S4直到训练集L'中每个样本的库克距离Di都计算得出，然后确定离群点：若Di＞4/n,(i＝1,2,…,n)，则样本i为离群点。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川大学，未经四川大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810257847.6/，转载请声明来源钻瓜专利网。
