Anomaly Detection for Aviation Safety Based on an Improved KPCA Algorithm
Anomaly Detection for Aviation Safety Based on an Improved KPCA Algorithm
复制标题
基于改进KPCA算法的航空安全异常检测
DOI：
10.1155/2017/4890921
复制
发表时间：
2017
影响因子：
2.4
通讯作者：
甘泉
中科院分区：
文献类型：
--
作者：
张晓瑜;陈玖圣;甘泉
对于一个中等规模的机队，每天需要分析数千个航班数据集;因此，航班数据集非常大。本文提出了一种改进的核主元分析（KPCA）方法，用于异常特征的搜索
Thousands of flights datasets should be analyzed per day for a moderate sized fleet; therefore, flight datasets are very large. In this paper, an improved kernel principal component analysis (KPCA) method is proposed to search for signatures of anomalies
登录
查看更多内容
影响因子：
5.8
作者：
B. Scholkopf;R. C. Williamson;Alex Smola;J. Shawe-Taylor;John C. Platt
通讯作者：
B. Scholkopf;R. C. Williamson;Alex Smola;J. Shawe-Taylor;John C. Platt
DOI：
10.1115/detc2010-29182
发表时间：
2010-10
期刊：
Annual Conference of the PHM Society
影响因子：
--
作者：
Chao Hu;B. Youn;Pingfeng Wang
通讯作者：
Chao Hu;B. Youn;Pingfeng Wang
DOI：
10.1109/igarss.2010.5649251
发表时间：
2010-07
期刊：
2010 IEEE International Geoscience and Remote Sensing Symposium
影响因子：
--
作者：
Cheng-Hsaun Li;Chin-Teng Lin;Bor-Chen Kuo;Hui-Shan Chu
通讯作者：
Cheng-Hsaun Li;Chin-Teng Lin;Bor-Chen Kuo;Hui-Shan Chu
DOI：
10.5555/2567709.2502606
发表时间：
2012-10
期刊：
ArXiv
影响因子：
--
作者：
Ryan R. Curtin;J. R. Cline;N. P. Slagle;William B. March;Parikshit Ram;Nishant A. Mehta;Alexander G. Gray
通讯作者：
Ryan R. Curtin;J. R. Cline;N. P. Slagle;William B. March;Parikshit Ram;Nishant A. Mehta;Alexander G. Gray
影响因子：
4.7
作者：
Ying-wei Zhang;Chi Ma
通讯作者：
Ying-wei Zhang;Chi Ma