非平衡单向分类随机效应模型的异常值检验

研究了非平衡单向分类随机效应模型中多个异常值的检验问题.分别在随机效应及误差变量上的均值滑动模型下,给出了得分检验统计量的具体形式及近似分布.通过随机模拟,证实了方法的有效性.     

一种非刚性医学图像的点配准方法

提出了一种具有鲁棒性的进行非刚性医学图像点配准的新方法。为了更好地处理点配准中的冗余点问题，对冗余点进行了建模，在此基础上对点配准能量函数进行了改进。使用确定性退火优化算法对改进后的能量函数进行最优化从而得到配准的非刚性变换，避免了优化过程中出现的局部极小值解。该方法能有效地处理冗余点。抗噪声能力较强，可以很快地配准带有噪声且有冗余点的非刚性医学图像。使用薄板样条对三维腹部医学图像进行全局弹性配准，实验结果显示配准的精度可以达到亚像素精度。     

基于聚类的离群数据挖掘及应用

介绍了离群数据挖掘的基本概念,全面分析并总结了离群数据挖掘研究的历史与现状,以及离群数据挖掘的几类方法,并对一些典型方法进行了分析和评价,指出传统方法的优点和不足,展望了今后的研究工作。     

一种鲁棒主成分分析(PCA)算法

主要研究了改善主成分分析（ＰＣＡ）算法鲁棒性的一种实现途径,以提高ＰＣＡ的精度。讨论了ＰＣＡ鲁棒性问题的两种提法。修正ＰＣＡ算法能够在运行过程中自动地识别样本集之中的“劣点”,从而通过迭代计算加以适当处理来排除对运算精度的影响。对比仿真实验结果表明,鲁棒ＰＣＡ算法较之传统的基于特征值分解的ＰＣＡ算法在鲁棒性上有了较大的改善。     

基于灰关联分析的加权自适应谱聚类算法

为了降低谱聚类采用高斯函数作为相似性度量方式对参数的敏感性,以及能够发现多密度簇的同时降低噪声点的干扰,提出了一种将基于均衡接近度的灰关联分析结合到谱聚类中的新方法,采用加权的自适应相似性度量方式。最后用改进的FCM算法对其进行聚类。在真实数据集和人工数据集上分别对提出的算法和现有算法进行了比较分析。研究结果表明,提出的新算法能够消除参数的影响,具有更高的聚类精度。聚类精度采用F测度指标。     

Outlier-DivideConquer：近似聚集查询中离群分治取样算法

取样是一种通用有效的近似技术,利用取样技术进行近似聚集查询处理是决策支持系统和数据挖掘实现技术中的常用方法.如何正确有效地给出近似查询结果并最小化近似查询误差是近似查询处理的关键和目标.在深入研究近似聚集查询取样方法的基础上,本文提出了一个有误差确界且只需单遍扫描数据集的离群分治取样Outlier-DivideConq...     

基于距离的异常成绩检测方法

数据质量对于学生成绩具有十分重要的意义.本文将教育学原理与数据清洗技术相结合,提出了基于距离的异常成绩检测方法.在理论上论证了方法的合理性,并通过实验验证了方法的有效性.本文的工作不仅对于提高成绩管理系统的运行质量有直接的作用,而且为将数据质量研究应用于教育信息化领域提供了很好的开端.     

基于相似度的离群模式发现模型

提出了基于相似度的离群模式发现模型,该模型主要利用知识属性集分析离群点,既能够处理离群点的数值属性,又能够处理其类别属性;通过组间相似度从中发现离群模式,不仅回避离群点数量少的缺陷,还利用了离群点的隐含语义．给出了在银行结售汇交易数据上进行的实验分析结果,模型发现了某地区的3个可疑模式,该结果为金融犯罪分析提供有利线索;利用不同子空间角色划分,可以发现个人、地区等不同对象间的异常资金流动;模式发现算法具有线性时间复杂度,在实际应用中具有较好的性能．结果表明模型能检测出可疑资金流动序列,为反洗钱工作提供有意义的线索．     

线性回归模型的非线性稳健估计——基于经验过程理论的研究

线性回归模型参数估计的有效性及对厚尾扰动和离群值的稳健性有进一步改进的余地.本文基于条件分布函数提出线性参数模型的一种新的非线性稳健估计量,利用经验过程理论证明了其相合性和渐近正态性.相对于OLS(ordinary least squares)估计量和常用的稳健LAD(least absolute deviations)和Huber估计量,此估计量可全面把握因变量的分布信息,较准确地由样本数据反映真正的数据生成过程,关于扰动项的厚尾分布具有更好的稳健性,且可更好地消弱极端离群值样本对参数估计的不良影响.多种实验设计的模拟表明,此估计量在有限样本下表现良好;在厚尾扰动或离群值出现的时候,显示出良好的稳健性,且优于OLS、LAD以及Huber估计量的小样本表现.     

基于几何特征的学生评教数据离群点检测算法

针对学生评教数据中的离群点问题,根据消极评教数据产生的方式及特点,提出了一种基于几何特征的学生评教数据离群点检测算法.该算法通过分析样本的几何特征,计算样本的离群程度,完成离群点检测,共分为3步进行:(i)依据教学质量评价数据,在几何特征空间中建立样本的点映射;(ii)从形状相似度、距离相似度2个方面构建判别空间,对几何特征空间中的样本点进行分析运算,得到样本点在判别空间中的点映射;(iii)以基于半监督近邻的方法对判别空间中的样本进行检测.实验结果表明:该算法检测精度较高,在高校教师教学效果中有较好的应用价值.