排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
无标签的序列在异常检测算法中往往存在着对数据的信息掌握不全面、不能合理使用的情况,而采用深度学习的技术实现检测时往往对其计算的解释性欠佳;对于攻克这些难题,以直升机飞行数据为例对时间序列的反常检测问题展开了深入研究,并利用Iforest技术和PCA算法,给出了一个采用滑动窗口的时间序列异常检测方法,利用从滑动窗口采集信息的时间变化状态等数据信息,将序列异常检测问题转换为点异常检测问题;同时以auc评分为衡量标准,从带有时刻特殊标志的多个信息集上检验了检测效率的提高;在无标签的直升机飞行数据集上进行实验,验证了算法的有效性,并通过对比检测过程中不同特征变量的变化情况,从算法层面和现实层面上阐述了算法的可解释性。 相似文献
2.
3.
以BPF(硼酚醛)树脂为基体,经环氧树脂和CTBN(端羧基丁腈橡胶)化学接枝改性制备胶粘剂,并采用FT-IR(傅里叶红外光谱)、TGA(热重分析)等方法,研究了胶粘剂的结构和固化过程,考察了胶粘剂不同温度下的粘接强度和耐热性。研究结果表明:CTBN成功接枝到BPF上,改善了其韧性;经CTBN接枝改性后BPF胶粘剂的室温粘接强度由8.34 MPa提升至17.73 MPa,同时耐热性无明显下降;而环氧/CTBN/BPF三元体系胶粘剂的室温粘接强度可达26.21 MPa,但耐热性能有所下降。 相似文献
1