کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4963930 1447422 2017 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Outlier detection and robust regression for correlated data
ترجمه فارسی عنوان
تشخیص بیرونی و رگرسیون قوی برای داده های همبسته
ترجمه چکیده
تشخیص بیرونی علاقه فراوانی به مناطق مختلف دارد. روش های تشخیص موجود، اغلب به استقلال اشتباهات مدل سازی در میان نقاط داده می شود، اما این فرض در تعدادی از برنامه ها وجود ندارد. در این مقاله ما یک روش احتمالاتی برای تشخیص خروج و به روز رسانی قوی از مشکلات رگرسیون خطی با داده های مرتبط ارائه می دهیم. ابتدا، داده های مشکوک داده شده با استفاده از حداقل روش حجم بیضوی و حداکثر احتمال درست شدن روش شناسایی می شود. سپس بی توجهی هر نقطه داده مشکوک براساس احتمال پیش بینی پیشنهادی با در نظر گرفتن همبستگی احتمالی بین نقاط داده می شود. روش پیشنهادی از طریق داده های شبیه سازی شده و واقعی مورد ارزیابی و تایید می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Outlier detection has attracted considerable interest in various areas. Existing outlier detection methods usually assume independence of the modeling errors among the data points but this assumption does not hold in a number of applications. In this paper we propose a probabilistic method for outlier detection and robust updating of linear regression problems involving correlated data. First, suspicious data points will be identified using the minimum volume ellipsoid method and the maximum trimmed likelihood method. Then, the outlierness of each suspicious data point will be determined according to the proposed outlier probability in consideration of possible correlation among the data points. The proposed method is assessed and validated through simulated and real data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Methods in Applied Mechanics and Engineering - Volume 313, 1 January 2017, Pages 632-646
نویسندگان
, ,