| 基于离群点检测的电类实验教学中错误数据判决算法 |
| |
| 引用本文： | 申赞伟,李丹,张士文,张峰. 基于离群点检测的电类实验教学中错误数据判决算法[J]. 实验室研究与探索, 2019, 0(8): 138-142,219 |
| |
| 作者姓名： | 申赞伟 李丹 张士文 张峰 |
| |
| 作者单位： | 上海交通大学电子信息与电气工程学院 |
| |
| 基金项目： | 2018年外国留学生政府奖学金服务支持体系项目(2018国交301-28) |
| |
| 摘 要： | 电类实验教学在高等院校中覆盖面广,实验过程中学生所测数据量大,人工评判数据工作繁琐。随着在线实验教学的普及,迫切需要一种实验数据智能评判的方法。依据Mean Shift思想提出一种基于距离的离群点检测(MSOD)算法,以理论计算值作为初始点,沿着概率密度梯度的方向寻找数据集最稠密的位置,与该位置的距离大于某一特定值的数据为离群点,离群点数据即为测量有误的数据。实验结果表明,MSOD算法识别错误实验数据的效果较好,可以有效地减少实验教学中重复繁琐的人工评判数据的工作,节约人力成本,提高实验教学效率。与现有的离群点检测算法比较,MSOD算法提高了错误数据识别的正确率,并且降低了时间成本。
|
| 关 键 词： | 电类实验教学 错误数据 离群点 均值漂移 |
Incorrect Data Decision Algorithm in Electrical Experiment Teaching Based on Outlier Detection |
| |
| SHEN Zanwei,LI Dan,ZHANG Shiwen,ZHANG Feng. Incorrect Data Decision Algorithm in Electrical Experiment Teaching Based on Outlier Detection[J]. Laboratory Research and Exploration, 2019, 0(8): 138-142,219 |
| |
| Authors: | SHEN Zanwei LI Dan ZHANG Shiwen ZHANG Feng |
| |
| Affiliation: | (School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University,Shanghai 200240, China) |
| |
| Abstract: | SHEN Zanwei;LI Dan;ZHANG Shiwen;ZHANG Feng(School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University,Shanghai 200240, China) |
| |
| Keywords: | electrical experimental teaching incorrect data outlier mean shift |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
