基于数据间相关性的异常检测方法

随着大数据的飞速发展,对数据的分析和处理成为研究热点之一,对数据的异常发现成为主要问题。本文提出基于数据间相关性的异常检测方法。传统的预警方法针对时序上的一种数据进行异常算法分析。本文提供对在时序上有着相关性的两种数据进行时序上的平滑相关性系数计算,对得到的平滑相关性系数序列进行高斯平滑滤波,得到相关性系数的平滑结果作为对比数据。本文利用原始数据的发生概率得到若干次数的仿真数据,然后进行平滑相关性系数计算,使用结果与原始数据相关系小波分解结果进行动态时间规整计算距离得到距离的正常范围为12.107至24.225,在本范围外的距离都处理为异常。本文还通过随机抽取样本的中的数据来组成不同长度的数据组,采用插入和替换两种方法来对仿真数据进行破坏,用于测试本文提出的异常检测方法的灵敏度。

基于TS201 DSP平台的雾霾视频数据质量提升实现

近年来北京等华北地区雾霾天气多发,严重影响室外摄像头采集视频数据的质量及应用效能。为有效提升雾霾视频数据的质量,文章对经典的暗通道优先去雾算法,进行运算模块的拆解分析;并在此基础上研究基于TS201 DSP平台的雾霾视频质量提升仿真与实现。主要研究内容包括:基于暗通道优先的去雾算法原理解析、算法实现的流程设计、及算法到DSP的映射三项关键技术。最终实验结果表明:文章基于TS201 DSP平台实现的暗通道优先去雾算法,可有效实现对雾霾视频图像序列质量的提升。