文献

J-GLOBAL ID：202102258416371725   整理番号：21A0907605

密度ピーククラスタリングに基づく電力大データ異常値検出アルゴリズム【JST・京大機械翻訳】

Abnormal Value Detection of Large Power Data Based on Density Peak Clustering

著者 (5件)： Lu Chunguang (国网浙江省電力有限公司電力科学研究院,杭州,310007) ,  Ye Fangbin (国网浙江省電力有限公司電力科学研究院,杭州,310007) ,  Zhao Ling (国网浙江省電力有限公司電力科学研究院,杭州,310007) ,  Jiang Chi (国网浙江省電力有限公司電力科学研究院,杭州,310007) ,  Dong Wei (浙江華云信息科技有限公司,杭州,310002)
資料名： Kexue Jishu yu Gongcheng  (Kexue Jishu yu Gongcheng)
巻： 20  号： 2  ページ： 654-658  発行年： 2020年 
JST資料番号： C4529A  ISSN： 1671-1815  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来のアルゴリズムの検出精度が低く、複雑性が高いため、電力の大きなデータ異常値の検出に適さない問題に対処するため、密度ピーククラスタリングアルゴリズムを通じて、電力大データ異常値検出問題を研究した。密度ピーククラスタリングアルゴリズムのクラスタ化過程を解析した。クラスタ中心選択の原則に従って,隣接距離と密度の正規化積によってクラスタ点の差異度を測定し,差異度の統計特性と変化傾向に従って最大一群の点をクラスタ中心として選択する。z空間充填曲線と高次元データ点zの位置情報特性に従って,zに基づく分散密度ピーククラスタリングアルゴリズムを提案し,異常検出複雑性を低減し,電力データ異常値検出の要求を達成した。最適化後の密度ピーククラスタリングアルゴリズムを用いて、電力大データ異常値に対して検出を行い、局部密度が閾値を超え、同時に距離が閾値を超えた場合、相応の電力データ点が異常値であると考えた。距離に基づく検出アルゴリズムと密度に基づく検出アルゴリズムを比較としてテストし,その結果は,提案したアルゴリズムによって得られる異常電力データ点が,実際の状況と一致し,他の2つのアルゴリズムと比較して,誤り検出と漏れ検出がないことを示した。提案したアルゴリズムは電力データ異常値検出に適しており,検出結果は高精度である。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  *電力 ,  クラスタ化 ,  誤り検出 ,  *クラスタ ,  *異常値 ,  正規化 ,  位置情報
準シソーラス用語： 複雑性 ,  高精度 ,  異常検出 ,  *検出アルゴリズム ,  高次元データ ,  *異常値検出 , 【Automatic Indexing@JST】

分類 (4件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z) ,  数値計算  (JE02000J) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 密度 ,  クラスタリング ,  異常値検出 ,  アルゴリズム