找到2项技术成果数据。
找技术 >高维空间中的离群点发现
成熟度:-
技术类型:-
应用行业:租赁和商务服务业
技术简介
在许多KDD(knowledge discovery in database)应用中,如电子 商务中的欺诈行为监测,例如情况或离群点的发现比常规知识的发现更有意义;现有的离群点发现大多是针对数值属性的,而且这些方法只能发现离群点,不能对其含义进行解释。提出了一种基于超图模型的离群点(outlier)定义,这一定义既体现了“局部”的概念,又能很好地解释离群点的含义。同时给出了HOT(hypergraph -based outlier test)算法,通过计算每个点的支持度、隶属度和规模偏差来检测离群点,该算法既能够处理数值属性,又能够处理类别属性。分析表明,该算法能有效地发现高维空间数据中的离群点。
一种应用模糊轨迹序列的轨迹预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明提出一种应用模糊轨迹序列的轨迹预测方法,通过引入模糊轨迹序列模型,对用户的移动轨迹进行模糊化处理,并通过模糊时间序列的预测方法,对用户的运动轨迹进行预测。方法中对用户的轨迹进行了模糊化处理,设计了网格化的模糊化方法,由此实现了模糊轨迹序列模型。通过引入离群点处理的机制,本方法可以处理历史信息不足时的轨迹预测问题,通过引入离群点检测机制以及离群点预测模型,以降低离群点对算法整体性能的影响。
找到2项技术成果数据。
找技术 >高维空间中的离群点发现
成熟度:-
技术类型:-
应用行业:租赁和商务服务业
技术简介
在许多KDD(knowledge discovery in database)应用中,如电子 商务中的欺诈行为监测,例如情况或离群点的发现比常规知识的发现更有意义;现有的离群点发现大多是针对数值属性的,而且这些方法只能发现离群点,不能对其含义进行解释。提出了一种基于超图模型的离群点(outlier)定义,这一定义既体现了“局部”的概念,又能很好地解释离群点的含义。同时给出了HOT(hypergraph -based outlier test)算法,通过计算每个点的支持度、隶属度和规模偏差来检测离群点,该算法既能够处理数值属性,又能够处理类别属性。分析表明,该算法能有效地发现高维空间数据中的离群点。
一种应用模糊轨迹序列的轨迹预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明提出一种应用模糊轨迹序列的轨迹预测方法,通过引入模糊轨迹序列模型,对用户的移动轨迹进行模糊化处理,并通过模糊时间序列的预测方法,对用户的运动轨迹进行预测。方法中对用户的轨迹进行了模糊化处理,设计了网格化的模糊化方法,由此实现了模糊轨迹序列模型。通过引入离群点处理的机制,本方法可以处理历史信息不足时的轨迹预测问题,通过引入离群点检测机制以及离群点预测模型,以降低离群点对算法整体性能的影响。
找到2项技术成果数据。
找技术 >高维空间中的离群点发现
成熟度:-
技术类型:-
应用行业:租赁和商务服务业
技术简介
在许多KDD(knowledge discovery in database)应用中,如电子 商务中的欺诈行为监测,例如情况或离群点的发现比常规知识的发现更有意义;现有的离群点发现大多是针对数值属性的,而且这些方法只能发现离群点,不能对其含义进行解释。提出了一种基于超图模型的离群点(outlier)定义,这一定义既体现了“局部”的概念,又能很好地解释离群点的含义。同时给出了HOT(hypergraph -based outlier test)算法,通过计算每个点的支持度、隶属度和规模偏差来检测离群点,该算法既能够处理数值属性,又能够处理类别属性。分析表明,该算法能有效地发现高维空间数据中的离群点。
一种应用模糊轨迹序列的轨迹预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明提出一种应用模糊轨迹序列的轨迹预测方法,通过引入模糊轨迹序列模型,对用户的移动轨迹进行模糊化处理,并通过模糊时间序列的预测方法,对用户的运动轨迹进行预测。方法中对用户的轨迹进行了模糊化处理,设计了网格化的模糊化方法,由此实现了模糊轨迹序列模型。通过引入离群点处理的机制,本方法可以处理历史信息不足时的轨迹预测问题,通过引入离群点检测机制以及离群点预测模型,以降低离群点对算法整体性能的影响。
找到2项技术成果数据。
找技术 >高维空间中的离群点发现
成熟度:-
技术类型:-
应用行业:租赁和商务服务业
技术简介
在许多KDD(knowledge discovery in database)应用中,如电子 商务中的欺诈行为监测,例如情况或离群点的发现比常规知识的发现更有意义;现有的离群点发现大多是针对数值属性的,而且这些方法只能发现离群点,不能对其含义进行解释。提出了一种基于超图模型的离群点(outlier)定义,这一定义既体现了“局部”的概念,又能很好地解释离群点的含义。同时给出了HOT(hypergraph -based outlier test)算法,通过计算每个点的支持度、隶属度和规模偏差来检测离群点,该算法既能够处理数值属性,又能够处理类别属性。分析表明,该算法能有效地发现高维空间数据中的离群点。
一种应用模糊轨迹序列的轨迹预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明提出一种应用模糊轨迹序列的轨迹预测方法,通过引入模糊轨迹序列模型,对用户的移动轨迹进行模糊化处理,并通过模糊时间序列的预测方法,对用户的运动轨迹进行预测。方法中对用户的轨迹进行了模糊化处理,设计了网格化的模糊化方法,由此实现了模糊轨迹序列模型。通过引入离群点处理的机制,本方法可以处理历史信息不足时的轨迹预测问题,通过引入离群点检测机制以及离群点预测模型,以降低离群点对算法整体性能的影响。
找到2项技术成果数据。
找技术 >高维空间中的离群点发现
成熟度:-
技术类型:-
应用行业:租赁和商务服务业
技术简介
在许多KDD(knowledge discovery in database)应用中,如电子 商务中的欺诈行为监测,例如情况或离群点的发现比常规知识的发现更有意义;现有的离群点发现大多是针对数值属性的,而且这些方法只能发现离群点,不能对其含义进行解释。提出了一种基于超图模型的离群点(outlier)定义,这一定义既体现了“局部”的概念,又能很好地解释离群点的含义。同时给出了HOT(hypergraph -based outlier test)算法,通过计算每个点的支持度、隶属度和规模偏差来检测离群点,该算法既能够处理数值属性,又能够处理类别属性。分析表明,该算法能有效地发现高维空间数据中的离群点。
一种应用模糊轨迹序列的轨迹预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明提出一种应用模糊轨迹序列的轨迹预测方法,通过引入模糊轨迹序列模型,对用户的移动轨迹进行模糊化处理,并通过模糊时间序列的预测方法,对用户的运动轨迹进行预测。方法中对用户的轨迹进行了模糊化处理,设计了网格化的模糊化方法,由此实现了模糊轨迹序列模型。通过引入离群点处理的机制,本方法可以处理历史信息不足时的轨迹预测问题,通过引入离群点检测机制以及离群点预测模型,以降低离群点对算法整体性能的影响。
找到2项技术成果数据。
找技术 >高维空间中的离群点发现
成熟度:-
技术类型:-
应用行业:租赁和商务服务业
技术简介
在许多KDD(knowledge discovery in database)应用中,如电子 商务中的欺诈行为监测,例如情况或离群点的发现比常规知识的发现更有意义;现有的离群点发现大多是针对数值属性的,而且这些方法只能发现离群点,不能对其含义进行解释。提出了一种基于超图模型的离群点(outlier)定义,这一定义既体现了“局部”的概念,又能很好地解释离群点的含义。同时给出了HOT(hypergraph -based outlier test)算法,通过计算每个点的支持度、隶属度和规模偏差来检测离群点,该算法既能够处理数值属性,又能够处理类别属性。分析表明,该算法能有效地发现高维空间数据中的离群点。
一种应用模糊轨迹序列的轨迹预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明提出一种应用模糊轨迹序列的轨迹预测方法,通过引入模糊轨迹序列模型,对用户的移动轨迹进行模糊化处理,并通过模糊时间序列的预测方法,对用户的运动轨迹进行预测。方法中对用户的轨迹进行了模糊化处理,设计了网格化的模糊化方法,由此实现了模糊轨迹序列模型。通过引入离群点处理的机制,本方法可以处理历史信息不足时的轨迹预测问题,通过引入离群点检测机制以及离群点预测模型,以降低离群点对算法整体性能的影响。
找到2项技术成果数据。
找技术 >高维空间中的离群点发现
成熟度:-
技术类型:-
应用行业:租赁和商务服务业
技术简介
在许多KDD(knowledge discovery in database)应用中,如电子 商务中的欺诈行为监测,例如情况或离群点的发现比常规知识的发现更有意义;现有的离群点发现大多是针对数值属性的,而且这些方法只能发现离群点,不能对其含义进行解释。提出了一种基于超图模型的离群点(outlier)定义,这一定义既体现了“局部”的概念,又能很好地解释离群点的含义。同时给出了HOT(hypergraph -based outlier test)算法,通过计算每个点的支持度、隶属度和规模偏差来检测离群点,该算法既能够处理数值属性,又能够处理类别属性。分析表明,该算法能有效地发现高维空间数据中的离群点。
一种应用模糊轨迹序列的轨迹预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明提出一种应用模糊轨迹序列的轨迹预测方法,通过引入模糊轨迹序列模型,对用户的移动轨迹进行模糊化处理,并通过模糊时间序列的预测方法,对用户的运动轨迹进行预测。方法中对用户的轨迹进行了模糊化处理,设计了网格化的模糊化方法,由此实现了模糊轨迹序列模型。通过引入离群点处理的机制,本方法可以处理历史信息不足时的轨迹预测问题,通过引入离群点检测机制以及离群点预测模型,以降低离群点对算法整体性能的影响。
找到2项技术成果数据。
找技术 >高维空间中的离群点发现
成熟度:-
技术类型:-
应用行业:租赁和商务服务业
技术简介
在许多KDD(knowledge discovery in database)应用中,如电子 商务中的欺诈行为监测,例如情况或离群点的发现比常规知识的发现更有意义;现有的离群点发现大多是针对数值属性的,而且这些方法只能发现离群点,不能对其含义进行解释。提出了一种基于超图模型的离群点(outlier)定义,这一定义既体现了“局部”的概念,又能很好地解释离群点的含义。同时给出了HOT(hypergraph -based outlier test)算法,通过计算每个点的支持度、隶属度和规模偏差来检测离群点,该算法既能够处理数值属性,又能够处理类别属性。分析表明,该算法能有效地发现高维空间数据中的离群点。
一种应用模糊轨迹序列的轨迹预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明提出一种应用模糊轨迹序列的轨迹预测方法,通过引入模糊轨迹序列模型,对用户的移动轨迹进行模糊化处理,并通过模糊时间序列的预测方法,对用户的运动轨迹进行预测。方法中对用户的轨迹进行了模糊化处理,设计了网格化的模糊化方法,由此实现了模糊轨迹序列模型。通过引入离群点处理的机制,本方法可以处理历史信息不足时的轨迹预测问题,通过引入离群点检测机制以及离群点预测模型,以降低离群点对算法整体性能的影响。