PBL项目：质量控制图与异常模式分析。 项目描述  某一作业车间需要连续加工某一批次零件（涡喷发动机涡轮叶片）  该种零件的加工工艺已知 项目要求  按照零件的加工工艺，确定工艺的关键工序，并配置相应的测量设备 到对应的加工机床，从而对零件的关键加工参数进行测量 通过取样法，连续测量多组质量数据，形成质量控制样本  编写计量型质量控制图（如 X  s 、 X  R 控制图），并将采集的样本作 为程序输入，生成控制图曲线  计算工序的工序能力指数，根据控制图曲线的波动情况，建立控制图 的异常模式分析模型，并对异常模式进行分析

VoLTE异常事件无线优化方法.pdf

UiBot异常重试流程文件.zip

针对化工过程风险,提出了一种化工过程异常事件数的预测方法。化工生产过程中由于受到干扰,时常发生异常事件。异常事件如果得不到有效控制将引发生产事故,其发生次数越高表明发生生产事故的概率越大,因此,准确预测化工过程异常事件数有助于提高化工过程的风险管理水平。基于操作班组,采用贝叶斯理论与Vine Copula建立了动态预测模型,实现对化工过程一个轮班内异常事件数的预测。

# 这里我包装了一个异常值处理的代码，可以随便调用。 def outliers_proc(data, col_name, scale=3): """ 用于清洗异常值，默认用 box_plot（scale=3）进行清洗 :param data: 接收 pandas 数据格式 :param col_name: pandas 列名 :param scale: 尺度 :return: """ def box_plot_outliers(data_ser, box_scale): """ 利用箱线图去除异常值

java中的异常处理案例 .doc

DEEP AUTOENCODING GAUSSIAN MIXTURE MODEL FOR UNSUPERVISED ANOMALY DETECTION 用于非监督异常检测的深度自编码高斯混合模型

博客中第三、四篇论文的PPT版本（里面含有动画，看起来更容易理解一些） 《2018Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding》和《2019MAD-GAN: Multivariate Anomaly Detection for Time Series Data with Generative Adversarial Networks》

（十三）Time-Series Anomaly Detection Service at Microsoft 微软时间序列异常检测服务

酒店流程完整实现 层次清晰 客房预定 预定解除 预定入住 登记入住 结账退房 会员结账 消费入单 适合做毕业设计 对学习C#三层结构有一定的帮助