【MATLAB】异常数据识别

基于分位数的异常点识别

首先,给定了一个原始数据序列x。然后,计算了序列x的上四分位数和下四分位数,并根据这两个值计算了异常点的阈值。上四分位数减去1.5倍的四分位数范围得到异常值下界,下四分位数加上1.5倍的四分位数范围得到异常值上界。

接着,计算了序列x的均值和标准差,并以均值加减2倍标准差作为阈值。大于这个阈值的样本点被标记为异常值。

最后,将原始数据和标记的异常值进行可视化展示。横轴为时序号,纵轴为幅值,蓝色实线表示原始序列,红色点表示异常值。

代码效果图

【MATLAB】异常数据识别_第1张图片

基于K-Means聚类的异常点识别

首先,将原始数据进行标准化,然后调用kmeans算法进行聚类。聚类的类别数为3,最大迭代次数为500,距离函数选择的是平方欧氏距离。

接着,计算每个样本点到其所属聚类中心的距离,并选择离散点阈值为0.8。将所有样本的距离误差与阈值进行比较,超过阈值的点被标记为离散点,并在图上用红色星号表示。

最后,将原始数据和标记的异常值进行可视化展示。横轴为时序号,纵轴为幅值,蓝色实线表示原始序列,红色星号表示异常值。

代码的效果图

【MATLAB】异常数据识别_第2张图片

添加图片注释,不超过 140 字(可选)

【MATLAB】异常数据识别_第3张图片

 代码获取:代码链接

获取代码请关注MATLAB科研小白的个人公众号(即文章下方二维码),并回复异常数据识别

本公众号致力于解决找代码难,写代码怵。各位有什么急需的代码,欢迎后台留言~不定时更新科研技巧类推文,可以一起探讨科研,写作,文献,代码等诸多学术问题,我们一起进步。

你可能感兴趣的:(信号处理,matlab,机器学习,支持向量机)