基于改进SOM算法的数据智能检测方法及装置

    公开(公告)号:CN111767273B

    公开(公告)日:2023-05-23

    申请号:CN202010575124.8

    申请日:2020-06-22

    摘要: 本发明公开了一种基于改进SOM算法的数据智能检测方法及装置,其中,该方法包括:获取样本集,将样本集按维度分解,逐维进行基于密度的一维孤立点检测,将多维样本集按维度对离群点进行初步筛选,剔除离群点;通过基于自组织特征映射算法对样本集进行聚类,剔除异常数据点;通过核函数法对基于自组织特征映射算法进行改进,通过改进后的基于自组织特征映射算法对样本集进行聚类,剔除异常数据点;根据专家经验剔除样本集中的异常数据点,完成数据的智能检测。该方法利用基于密度的一维孤立点检测能够剔除异常数据,提高数据质量,将核函数引用到自组织映射算法的权值更新中能减少样本数据非线性的影响,提高了SOM算法的聚类效果。

    基于改进SOM算法的数据智能检测方法及装置

    公开(公告)号:CN111767273A

    公开(公告)日:2020-10-13

    申请号:CN202010575124.8

    申请日:2020-06-22

    摘要: 本发明公开了一种基于改进SOM算法的数据智能检测方法及装置,其中,该方法包括:获取样本集,将样本集按维度分解,逐维进行基于密度的一维孤立点检测,将多维样本集按维度对离群点进行初步筛选,剔除离群点;通过基于自组织特征映射算法对样本集进行聚类,剔除异常数据点;通过核函数法对基于自组织特征映射算法进行改进,通过改进后的基于自组织特征映射算法对样本集进行聚类,剔除异常数据点;根据专家经验剔除样本集中的异常数据点,完成数据的智能检测。该方法利用基于密度的一维孤立点检测能够剔除异常数据,提高数据质量,将核函数引用到自组织映射算法的权值更新中能减少样本数据非线性的影响,提高了SOM算法的聚类效果。