离群点检测算法的评价指标

随着离群点检测技术的深入研究和广泛应用,越来越多的优秀算法被提出来,然而,现有的离群点检测技术的评价仍然沿用传统分类算法的测量指标,存在着评价指标单一、适应性差的问题。针对这些问题,提出了一类高真正率指标(HT_AUC)和二类低假正率指标(LF_AUC)。首先,整理常用的离群点检测评价指标,分析其优缺点和适用场景;然后,在已有的曲线下面积(AUC)方法的基础上,分别针对高真正率(TPR)要求和低假正率(FPR)要求,提出了一类高真正率指标和二类低假正率指标,为离群点检测算法的效果评价和量化集成提供了更合适的指标。在真实数据集上的实验结果表明,与传统评价指标的相比,所提出的方法更能满足一类高真正率和二类低假正率要求。

弱可压缩流体边界处理算法

针对流体与固体边界的交互模拟问题,提出一种基于弱可压缩光滑粒子流体动力学(SPH)的边界处理算法。首先,引入一种新的体积权重函数,解决固体边界非均匀采样区域流体密度的计算误差问题;然后,提出一种新的边界力计算模型,避免校正流体粒子位置信息,保证固体边界不可穿透;最后,提出一种改进的流体压力计算模型,保证流体的弱可压缩性。实验结果表明,所提算法可以有效地解决基于位置校正的边界处理方法在模拟弱可压缩流体与非均匀采样固体边界交互时存在的稳定性问题,且仅需边界粒子的位置信息,在节约内存的同时避免了位置校正所带来的额外计算开销。

模型聚合解聚的智能触发机制

针对现有模型聚合解聚(AD)触发机制人工依赖性高、频繁聚合解聚的问题,提出了一种基于关注域的多实体时序离群点检测算法的智能触发机制。首先,基于关注近邻划分关注域;然后,计算关注域中实体的k距离离群值,得到关注域的离群值;最后,结合一种基于最强关注域阈值判定方法,构建聚合解聚触发机制。在真实数据集上的实验结果表明,与传统的单实体时序离群点检测算法相比,所提算法在指标Precision、Recall和综合指标F1-score上均提升了10个百分点以上,不仅能及时地判断聚合解聚操作的触发时机,而且能使得仿真系统智能地检测出发生突发情况的仿真实体,满足了多分辨率建模的要求。