帅猛
- 作品数：4 被引量：3H指数：1
- 供职机构：北京大学信息科学技术学院智能科学系更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术理学交通运输工程更多>>
- 面向高维数据的低冗余Top-k异常点发现方法
- 异常发现是数据挖掘领域的一类重要任务，一直以来受到研究人员的广泛关注。针对高维对象的异常度量问题和异常点集合的冗余问题，本文提出了一种新的面向高维数据的异常点发现方法。该方法通过采用高维数据的二部图表示，以高维对象的压缩...
- 陈冠华马秀莉杨冬青唐世渭帅猛
- 关键词：高维数据
- 文献传递
- 面向高维数据的低冗余top-k异常点发现方法被引量：2
- 2010年
- 异常发现是数据挖掘领域的一类重要任务.针对高维对象的异常度量问题和异常点集合的冗余问题,提出了一种新的面向高维数据的异常点发现方法.该方法通过采用高维数据的二部图表示,以高维对象的压缩能力作为其异常程度的度量,能够有效支持包含不同类型属性的高维数据.为了解决top-k异常点集合中的冗余问题,提出了低冗余top-k异常点的概念.由于精确计算低冗余的top-k异常点是NP-hard问题,设计了计算近似低冗余的top-k异常点的启发式方法k-AnomaliesHD算法.从在真实和人工数据集上的实验结果可以看出,该方法具有较好的扩展性;而且与不考虑冗余的异常点发现方法相比较,能够更有效地概括数据中的异常模式.
- 陈冠华马秀莉杨冬青唐世渭帅猛谢昆青
- 关键词：数据挖掘异常检测高维数据
- 一种基于局部加权学习的自适应交通流预测机制被引量：1
- 2010年
- 结合交通流的特征,提出了一种自适应的交通流预测机制。首先根据训练数据特点,按三相交通流理论对交通状态进行分类,从每个分类对应的训练数据集内提取相应的最佳邻域。在基于局部线性回归模型的预测中,根据邻域中数据点所处状态分别选择相应局部模型进行预测,最终预测结果为各局部模型预测值的加权平均。根据各模型误差确定当前数据所处状态,增量加入训练数据集。基于真实交通数据的实验证实该方法能够有效提高预测的准确率。
- 帅猛韩磊谢昆青宋国杰马修军陈冠华
- 关键词：自适应交通流预测
- 基于局部加权学习的短时交通流预测研究
- 道路交通拥堵及其伴生的环境污染和安全问题已引起世界各国的广泛关注，成为影响经济和社会和谐发展的全球性问题。道路交通是一个由人、车、路和环境等诸多要素组成的系统，各种要素之间互相制约，同时还受法规、管理和控制等措施的影响。...
- 帅猛
