基于观测点机制的异常点检测算法

异常点检测是数据挖掘领域的一个重要研究方向,传统的基于近邻和局部异常因子的异常点检测算法存在计算复杂度高和误检率高的缺陷．为解决该缺陷,提出一种基于观测点机制的异常点检测（observation-point mechanism-based outlier detection,OPOD）算法．首先在原始样本空间中随机放置若干观测点,然后计算观测点与样本点之间的距离,将原始数据转换为与观测点相对应的距离数据,再估计距离数据的概率密度函数,进而计算距离数据出现的概率值,最后通过对多个观测点距离数据概率值的融合最终确定原始样本点中的异常点．基于PyCharm平台,采用sklearn. datasets的make＿blobs函数生成仿真数据集,分别测试不同规模和不同维度数据集对OPOD算法性能的影响,并对比了OPOD算法、基于局部异常因子的异常点检测（local outlier factor-based outlier detection,LOFOD）算法和基于近邻的异常点检测（nearest neighbor-based outlier detection,NNOD）算法的运行时间、异常点召回...     

分布式子空间局部链接随机向量函数链接网络

为解决随机向量函数链接（random vector functional link,RVFL）网络处理大规模数据分类时表现出的泛化能力差和计算复杂度高的问题,基于Spark框架设计与实现一种分布式子空间局部链接的RVFL(distributed RVFL with subspace-based local connections,DRVFL-SLC)网络．利用弹性分布式数据集（resilient distributed dataset,RDD）的分区并行性,对存于Hadoop分布式文件系统（Hadoop distributed file system,HDFS）的大规模数据集进行随机样本划分（random sample partition,RSP）操作,保证每个RSP数据块对应RDD的1个分区．其中,RSP数据块是在给定的显著性水平下与大数据保持概率分布一致性的数据子集．在分布式环境下对包含多个分区的RDD调用mapPartitions转换算子并行高效地训练对应的最优RVFL-SLC网络．利用collect执行算子将RDD每个分区对应的最优RVFL-SLC网络进行高效率地渐近融合获得D...     

新工科下软件工程专业实践案例构建研究——以基于Cocos2 d-x引擎的跨平台游戏开发为例

从新工科背景下软件工程专业实践课程应用典型案例库的构建角度出发,以基于Cocos2d-x引擎的跨平台游戏开发为例,从软件的设计、开发、测试、运行几个环节详细介绍了一款跨平台休闲益智游戏—躲避刺豚君的全过程.Cocos2d-x游戏引擎的CocosCreator作为新出现的游戏开发工具,相比于其他游戏开发工具的特点、优势,...