今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

利用密度分析和邻域分析挖掘环境数据中的不规则模式

《Scientific Reports》:Mining irregular patterns in environmental data using density and neighborhood analysis

【字体: 大 中 小 】 时间:2026年07月25日 来源:Scientific Reports 4.9

编辑推荐:

  摘要环境数据往往因自然过程、人类活动、季节性变化以及长期环境变迁而具有高度的变异性,这使得准确识别异常模式成为一项具有挑战性的分析任务。为解决这一问题,本研究提出了一种无监督的分析数据挖掘框架,用于在多元环境数据集中检测异常的环境观测值。该框架整合了三种互补的分析方法——邻域偏差

  

摘要

环境数据往往因自然过程、人类活动、季节性变化以及长期环境变迁而具有高度的变异性,这使得准确识别异常模式成为一项具有挑战性的分析任务。为解决这一问题,本研究提出了一种无监督的分析数据挖掘框架,用于在多元环境数据集中检测异常的环境观测值。该框架整合了三种互补的分析方法——邻域偏差分析、密度稀疏性特征识别以及基于聚类的结构一致性建模——形成一个统一的异常评分函数,无需标记数据或预定义的异常模板,即可识别出孤立异常值和与上下文相关的异常现象。该框架通过三个公开的环境数据集进行了测试,这些数据集包括来自CPCB和WAQI的空气质量记录、来自WQP和CWC的水质观测数据,以及来自NOAA和IMD的气候变异数据。实验结果表明,该框架的检测性能优异,分别在空气质量、水质和气候变异数据集上实现了91.8%、88.5%和86.9%的检测率,同时误报率低于10%。敏感性分析和消融实验进一步证明了该框架的稳健性,在不同参数配置下,其F1分数均高于0.85。从运行时间来看,该框架具有近乎线性的计算扩展性,对于包含10,000到250,000条记录的数据集,每条观测值的处理时间约为1.17–1.24毫秒。目前该框架主要聚焦于多变量环境特征空间中的状态异常检测,尚未对时间依赖性或季节性进行明确建模,而这些仍是未来研究的重要方向。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:无监督异常检测|环境数据变异性|多源数据集融合|结构一致性分析|密度稀疏性识别|背景噪声过滤

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号