基于MOPSO算法改进的异常点检测方法

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,经实验验证,所提模型提高了工业大数据异常点检测的准确率,为数据挖掘在工业异常点检测中的应用提供了参考.

关键词：工业大数据、异常点检测、多目标粒子群算法、DBSCAN模型

所属期刊栏目：30

分类号：TP391;TP274;TP301.6(计算技术、计算机技术)

在线出版日期：2024-08-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2319-2327