高斯核密度估计方法检测健康数据异常值

摘要：

针对智能穿戴设备普及背景下,利用运动手环采集的活动数据存在未知异常数据的问题,提出一种基于高斯核密度估计的健康数据异常值检测方法.首先采用t-分布邻域嵌入算法对数据集进行特征提取,增强数据局部结构能力;接着利用高斯核局部密度代替局部异常因子算法中的局部可达密度,提出基于高斯核密度估计离群因子(GKDELOF)算法,推导分析了该算法判断阈值的稳定性;最后在UCI标准数据集上进行仿真实验,验证算法的准确性,并在选取的真实运动手环所采集的活动数据集上进行实验分析.实验结果表明,该方法能够解决由活动复杂多样性造成的健康数据稀疏问题,准确检测出异常值.

关键词：运动手环、健康数据、异常值检测、局部异常因子、高斯核密度估计

所属期刊栏目：13

分类号：TP181(自动化基础理论)

在线出版日期：2019-12-26（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：2094-2102