科研之友
微信
新浪微博
Facebook
分享链接
摘要
挖掘工业大数据的隐含价值是智能制造的一个重要研究方向，针对工业大数据特点开展异常点检测是实现数据分析的前提。首先，介绍了工业大数据异常点检测解决的主要问题，提出本文的相关定义。其次，基于多目标粒子群算法(MOPSO)，提出一种工业大数据异常点检测的改进DBSCAN模型，介绍了模型的算法设计思想、算法步骤，完成了算法伪代码的编写，并提出了算法时间复杂度的计算方法。最后，通过某电芯工厂制造数据，进行了模型仿真与实验，经试验验证，本文提出的模型提高了工业大数据异常点检测的准确率。本文为数据挖掘在工业异常点检测中的应用提供参考。
-
单位北京交通大学; 经济管理学院
