基于MOPSO算法改进的异常点检测方法
来源：计算机集成制造系统杂志2024年第7期北京时间：
作者：高勃, 柴学科, 朱明皓
单位：1.北京交通大学计算机与信息技术学院2.北京交通大学经济管理学院
摘要：挖掘工业大数据的隐含价值是智能制造的一个重要研究方向,针对工业大数据特点开展异常点检测是实现数据分析的前提。首先,介绍了工业大数据异常点检测解决的主要问题,提出相关定义。其次,基于多目标粒子群算法(MOPSO),提出一种工业大数据异常点检测的改进DBSCAN模型,介绍了模型的算法设计思想、算法步骤,完成了算法伪代码的编写,并提出了算法时间复杂度的计算方法。最后,通过某电芯工厂制造数据,进行了模型仿真与实验,经实验验证,所提模型提高了工业大数据异常点检测的准确率,为数据挖掘在工业异常点检测中的应用提供了参考。
关键词：工业大数据,异常点检测,多目标粒子群算法,DBSCAN模型
基金资助：国家自然科学基金资助项目(62172033)。
