基于小波隐马尔科夫模型的控制过程异常数据检测方法
DOI:
CSTR:
作者:
作者单位:

1. 东北大学自动化所
2. 东北大学信息学院

作者简介:

刘芳

通讯作者:

中图分类号:

基金项目:

国家高新技术研究发展计划;国家高新技术研究发展计划


Outlier detection for control process data based on wavelet-HMM methods
Author:
Affiliation:

Fund Project:

;the National High-Tech R&D Program of China

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对小波异常信号检测原理的局限性, 提出了适用于过程数据的基于小波隐马尔可夫模型(W-HMM) 的异
    常数据检测方法. 首先在一定尺度下对检测信号进行分解, 将频率组分不同于其他大部分信号的信号作为异常信号;
    然后通过计算待检测信号的小波系数与正常信号小波系数的相似概率, 并利用求取隐马尔可夫模型(HMM) 最优状
    态链的Viterbi 算法对数据进行最终判断; 最后通过数值验证和应用表明了所提出的检测算法的有效性和实用性.

    Abstract:

    According to the limitation of the principle of outlier detection based on wavelet, this paper proposes an
    outlier detection method called wavelet-hidden Markov model(W-HMM) algorithm. In this algorithm, the signal is
    decomposed under some scale, and when the wavelet decompositions of the signal are different from the most other wavelet
    decompositions, the signal can be seen as potential outlier. Aiming to make further accurate judgement, and by calculating the
    similarity probability between the wavelet coefficient of this signal and that of normal signal, the final confirming is obtained
    by using Viterbi algorithm which is applied to HMM. Finally, experimentation and application show the effectiveness and
    practicality of the proposed detection method.

    参考文献
    相似文献
    引证文献
引用本文

刘芳, 毛志忠.基于小波隐马尔科夫模型的控制过程异常数据检测方法[J].控制与决策,2011,26(8):1187-1191

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-06-09
  • 最后修改日期:2010-08-11
  • 录用日期:
  • 在线发布日期: 2011-08-20
  • 出版日期:
文章二维码