有哪些信誉好的足球投注网站- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
标题基于Python的传感器网络时序数据清洗系统摘要本文以基于Python的传感器网络时序数据清洗系统为核心，结合传统的滑窗ARIMA以及基于数学描述的方法，提出了一种基于层次化描述的分三类处理时间序列的传感器网时序数据异常检测框架，并提出了改善后的优化方案实验结果显示，算法的有效性优于原始方法尽管存在一些实际问题，如存在工业机器运行模式的时间序列清洗问题，但在目前的研究领域中仍然处于知识空白状态关键词传感器网络时序数据清洗系统，基于Python，滑窗，ARIMA，数学描
前言
研究背景
在智能运维、ECG心率预警等领域,检测时间序列中的异常都是一个十分有挖掘价值的课题。而当我们在传感器网时序数据上应用这一领域的主流方法:基于平滑的方法、基于统计的方法、基于聚类的方法、基于数学描述的方法,却常常面对突出的挑战。
传统的时间序列挖掘方法常常采用滑窗方法或者ARIMA[1]等统计方法,这些方法在处理一些表现出类周期性、嵌套性的时间序列上都有着很明显的局限性。很多学者注意到了这一问题,进而提出了基于聚类、基于数学模型[2]描述来进行时间序列的分析,进而异常修复的方法,但是由于聚类方法应用在时间序列上的天然缺陷,以及数学描述模型的不完备性,这些方法在处理海量的
文档评论（0）