Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

SGR: A New Kernel for Outlier Detection in Multi-variate Sensor Data

Name: SGR: A New Kernel for Outlier Detection in Multi-variate Sensor Data
Brand: LAP Lambert Academic Publishing
SKU: 18311858
Price: 46.59 EUR
Availability: InStock
Author: Seema Sharma
ISBN: 9786202022965

Seema Sharma

Език

Английски език

Книга С меки корици

Код Либристо: 18311858

Издателство LAP Lambert Academic Publishing, ноември 2016

Approaches of identifying outliers based on prior knowledge of data distribution are generally inade... Цялото описание

Код Либристо: 18311858

114 b

46.59 €

91.13 лв

Външен склад Изпращаме след 5-8 дни

До 30 дни за връщане на стоки

Клиентите са закупили също

Homofobia nas escolas de Dallas Vowels Kristine Vowels

С меки корици

39.18 € 76.62 лв

Dlouhý život s archeologií Pavel Fojtík

С твърди корици

14.11 € 27.60 лв

Hamrammr Katrina A. Trujillo

С меки корици

21.68 € 42.41 лв

Życzenie Liściastej Sadzawki. Wojownicy. Nowela. Tom 2 wyd. 2023 Erin Hunter

С меки корици

7.21 € 14.10 лв

Cocínalo. Recetas Con Sabor Y Alma / Cook It. Recipes with Lots of Flavor and Soul MARIA LO GOMEZ

С меки корици

20.66 € 40.41 лв

A hallgatás vége Charlotte Link

С твърди корици

15.24 € 29.80 лв

Алиса в Стране чудес. Алиса в Зазеркалье Льюис Кэрролл

С твърди корици

25.52 € 49.91 лв

Gra Colours festival Gabby's Dollhouse 02594

binding.

14.32 € 28.00 лв

AIRS ET CHANSONS COULEUR DU TEMPS CHANT-PIANO CHANT GUSTAVE DORET Книга

binding.

36.31 € 71.02 лв

Une absence extraordinaire - La libération au milieu d'une vie ordinaire Jeff Foster

С меки корици

20.86 € 40.81 лв

Le Théâtre Contemporain ... Jules Barbey D'Aurevilly

С меки корици

23.78 € 46.51 лв

Intenção Estratégica nas Relações Transacionais Everton Verga

С меки корици

42.86 € 83.83 лв

LA UNIÓN DE LA IZQUIERDA VASCA GAIZKA GERNANDEZ

С твърди корици

23.17 € 45.31 лв

Arbeitsheft - Mathematik für die Einführungsphase Kurt Bohner

С меки корици

16.36 € 32.00 лв

Mientras haya luz : tragedia en el Nanga Parbat Eduard Sallent Vilanova

С меки корици

15.08 € 29.50 лв

Gestión censal, notificación de actos y emisión de documentos de atención tributaria. Certificados de profesionalidad. Asistencia en la gestión de los AFRICA RODRIGUEZ

С меки корици

25.77 € 50.41 лв

Como disfrutan los vencedores cuando se reparten el botín Rafael Gerardo Peinado Santaella

С меки корици

22.76 € 44.51 лв

Hunger auf Leben Brigitte Reimann

С меки корици

7.67 € 15.00 лв

Sistematizacion de procesos de Control de Inventarios Andrade Clavijo Veronica Del Rocio

С меки корици

241.37 € 472.09 лв

Wirtschaftsinformatik 2003/Band I Wolfgang Uhr

С меки корици

55.29 € 108.14 лв

Approaches of identifying outliers based on prior knowledge of data distribution are generally inadequate. Density estimation using a kernel function is a non-parametric approach that does not require prior knowledge of the data distribution. The technique has been studied widely and several kernel density based outlier detection algorithms have been proposed. However, most of the work in the field is applying the technique on univariate data. In multivariate data, co-relation between different fields requires special techniques. Here, we present a new kernel for estimating the density in multivariate data space. Our kernel is more efficient to the known kernels as it has lowest MISE among the available kernel functions. Our algorithm employs Mahalanobis Distance as a metric. This ensures that the co-relation between the variables is accounted for while estimating the density. The proposed algorithm is a two step process in which density is computed in the first step. Based on the density estimates, Local Outlier Factor is assigned as measure of outlierness of the points. Finally, the points with an absolute Z-score of greater than or equal to three are classified as outliers.