论文部分内容阅读
针对多模态过程数据密度不规则性提出的一类基于密度的方法，大多是以欧式距离为基础来比较彼此间的相似性，从而检测过程是否发生故障。然而多模态数据密度在较小范围内变化较大，采用欧式距离很难获得全面的数据信息。本文提出了一种新的基于加权距离选择邻居的策略，该策略首先对距离进行合理的加权，再根据新的加权距离重新选择样本点的邻居，能有效地避免数据信息不全面的问题。在仿真实验中，首先通过比较基于传统的欧式距离和基于本文加权距离选取的邻居，说明本文策略的优越性；进而将该策略与局部离群因子（Local Outlier Fa