光伏电池异常数据集分享

BRSMM 类实现了用于模拟和估计有限简单混合模型参数的算法。 简单模型，例如潜在狄利克雷分配 (LDA) 模型，通常用于基于文本的信息检索，例如，根据单词统计为语料库中的每个文档指定主题时。 BRSMM 类是 LDA 对连续数据的扩展。 它专为包含异常值和/或缺失值的数据而设计。 BRSMM 对象将每个主题建模为具有特定主题参数的重尾分布的混合。 根据贝叶斯范式，参数配备了共轭先验分布。 该模型还包含表示数据中缺失值和数据质量的隐藏变量。 参数和隐藏变量的后验分布通过近似变分推理算法进行估计。 此提交包括一个测试函数，该函数生成一组合成数据并从这些数据中学习模型。 测试函数还绘制根据模型聚类的数据，以及每次迭代后数据的边际对数似然的变分下界。 如果您发现此提交对您的研究/工作有用，请引用我的 MathWorks 社区资料。 如果您有任何技术或应用相关问题，请随时直接与我联系。

此代码用于测试 Aiger & Talbot 2010 文章“用于无监督表面缺陷检测的仅相位变换”中介绍的算法。

2020-Fuzzy information entropy-based adaptive approach for hybrid feature outlier detection-Matlab 代码 模糊粗糙集理论中基于模糊关系的模糊信息熵是一种重要的不确定性度量。然而，模糊信息熵用于混合特征离群点检测的研究尚未见报道。在此基础上，利用具有模糊相似关系的模糊近似空间，构造了一种基于模糊信息熵的混合特征离群点检测方法。首先，采用自适应模糊标准差半径和混合模糊相似度构造模糊近似空间，并在模糊信息熵的基础上定义相对模糊熵;然后，构造了两种度量来描述对象的离群度。最后，集成基于模糊熵的离群因子实现离群检测，设计了相关的基于模糊信息熵的离群检测算法(FIEOD)。将FIEOD算法与公共数据上的主要离群点检测算法进行了比较。实验结果表明，该方法具有较好的有效性和适应性。

oracle课件：第六章 游标和异常管理.ppt

异常值matlab代码RFM-SCAN：使用带有大量异常值的空间聚类进行稳健的特征匹配 (TIP2020) 在 Matlab 2016b 上成功测试。 如果您将此存储库中的代码用作已发布研究项目的一部分，请引用本文。 姜星宇、马佳一、姜俊军和郭小杰。 “使用带有大量异常值的空间聚类进行鲁棒特征匹配”，IEEE 图像处理汇刊，2020 年。

java 索引越界异常（IndexOutOfBoundsException） java 索引越界异常（IndexOutOfBoundsException）

作者：华清远见嵌入式学院。几乎每种处理器都支持特定异常处理，中断也是异常的一种。了解处理器的异常处理相关知识，是学习一种处理器的重要环节。本章主要内容：ARM异常中断处理概述；ARM体系异常种类；ARM异常的优先级；ARM处理器模式和异常；ARM异常响应和处理程序返回；ARM应用系统中异常中断处理程序的安装；ARM的SWI异常中断处理程序设计；FIQ和IRQ异常中断程序设计；基于 ARM9芯片 S3C2410X异常中断程序设计。

基于深度学习的异常检测与定位(MATLABR2019a) 图片异常检测与定位，MATLABR2019a实现基于深度学习的异常检测与定位。

此函数通过查找给定数据集中所有成对点组合之间的中值斜率来执行非参数 Theil-Sen 稳健线性回归算法的快速版本。 对于我的应用程序，我需要在大型数据集（数千个点）上运行稳健的回归，但我在文件交换上发现的实现速度太慢（见图）。 此代码的速度要快得多，对于大型数据集，其速度比当前可用的代码快两个数量级。