[发明专利]一种基于密度聚类的在线野值检测、识别与修正方法

摘要

本发明涉及一种基于密度聚类的在线野值检测、识别与修正方法，首先采集数据计算密度聚类参数邻域半径和密度阈值；然后计算当前时刻数据点的前半邻域内数据点个数；将邻域半径内数据点个数与密度阈值进行比较来判断为正常信号核心点、正常信号边界点和野值点；如果当前点为野值点，对其进行多项式拟合修正；对数据进行更新，获取下一时刻的数据，并重复步骤3～7，直至全部信号点检测和修正完成，得到修正后的数据。本发明方法对渐变连续型野值处理效果优于传统方法。

主权项

1.一种基于密度聚类的野值检测、识别与修正方法，其特征在于步骤如下：步骤1：测量并采集数据序列(D₁,D₂,…,D_N)＝{(B₁,t₁),(B₂,t₂),…,(B_N,t_N)}，其中t代表时间坐标，B代表幅值大小；步骤2：计算密度聚类参数：邻域半径和密度阈值：首先计算输入信号中前N_g个信号点D_i中每个数据点到其他数据点的距离，i＝1,2…N_g：得到一系列由l_ij组成的l；其次计算邻域半径ε：ε≥mean(l)+k′·std(l)  (1)其中mean(l)为对l求平均值，std(l)为l的方差；k′为大于0常数；最后计算密度阈值MinPts，在邻域半径ε确定后，统计上述每个点的前半邻域内点的个数M_i，所述的前半邻域指某点D_i邻域以该点时间t_i为间隔划分为前、后两半中的前一半，其中前半为t<t_i、后半为t>t_i；计算密度阈值：步骤3：计算当前t_k时刻数据点D_k(B_k,t_k)前半邻域内数据点个数M_k；计算该点到已知点，即t<t_k的点间的距离，如果距离小于邻域半径ε，那么就属于数据点D_k(t_k,x_k)半邻域内的数据点；步骤4：将步骤3的邻域半径内数据点个数M_k与步骤2的密度阈值MinPts进行比较：如果M_k≥Minpts，D_k为正常信号核心点；如果0<M_k<Minpts且邻域内有正常信号核心点，D_k为正常信号边界点；如果0≤M_k<Minpts且邻域内无正常信号核心点，D_k为野值点；步骤5：如果当前点D_k为野值点，对D_k进行多项式拟合修正；步骤6：对数据进行更新，获取下一时刻的数据，并重复步骤3～7，直至全部信号点检测和修正完成，得到修正后的数据。