11问答网
所有问题
声音的时序数据异常检测算法有哪些
如题所述
举报该问题
推荐答案 2023-07-16
1、简单移动平均法(SMA):将数据序列进行平滑化处理,然后计算每个值与平均值之间的差距来判断是否为异常值。
2、指数移动平均法(EMA):对数据进行加权平均来减弱最近数据对平均值的影响,以便更好地检测随时间变化的趋势。
3、分段线性回归法(PLR):将数据序列分段处理,利用线性回归模型对各段数据进行拟合,然后计算预测值与实际值的差距来检测异常。
温馨提示:答案为网友推荐,仅供参考
当前网址:
http://11.wendadaohang.com/zd/F7q442MFFv7FP7MS4S4.html
相似回答
时序异常检测算法
答:
从异常检测的角度来看,
最有趣的方法是 Holt-Winters 季节性方法
。该方法需要定义季节性周期,比如周、月、年等等。如果需要跟踪多个季节周期,比如同时跟踪周和年周期,那么应该只选择一个。通常是选择最短的那个:所以这里我们就应该选择周季节。这显然是该方法的一个缺点,它会大大影响整体的预测范围...
大家正在搜
时序数据的异常检测
声音事件检测在时序数据中
时序数据异常值
时序异常检测
异常检测算法
时序预测算法
异常点的算法
时序算法
时序分析算法