您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202103-246
论文题目 基于LOF孤立点检测技术的健康大数据系统
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于LOF孤立点检测技术的健康大数据系统

首发时间:2021-03-23

刘业鹏 1   

刘业鹏,男,数据处理

管安琪 1    唐宇航 1    肖攸安 1   

肖攸安,男,硕导,信息安全、大数据

  • 1、武汉理工大学信息工程学院

摘要:近年来,数据清洗算法的发展推进了健康检测设备的多功能化。目前已有的产品大部分采用阈值法判断异常值进行剔除以及模型拟合或平均值进行数据插补,这些算法都存在误差较大、不具有个体适配性等不足。本文就此提出了基于LOF孤立点检测技术的健康大数据系统。该系统操作简单方便、稳定性强、可靠性高。系统通过将大数据云端与微信小程序、硬件传感器结合,构建具有数据传输、数据处理与分析的平台,采用加权曼哈顿阈值结合算法判断异常值和多参数加权插补算法进行数据填补。整体来看,本系统为健康数据分析提供更为可靠高效的方案。?????

关键词: 健康指标 大数据处理 后疫情时代 加权曼哈顿算法

For information in English, please click here

Health big data system based on LOF outlier detection technology

Liu Yepeng 1   

刘业鹏,男,数据处理

Guan Anqi 1    Tang Yuhang 1    Xiao Youan 1   

肖攸安,男,硕导,信息安全、大数据

  • 1、School of Information Engineering, Wuhan University of Technology

Abstract:In recent years, the development of data cleaning algorithms has promoted the multi-functionalization of health detection equipment. At present, most of the existing products use the threshold method to judge abnormal values for elimination and model fitting or average value for data interpolation. These algorithms have large errors and lack of individual adaptability. This article proposes a health big data system based on LOF outlier detection technology. The system is simple and convenient to operate, strong in stability and high in reliability. The system combines the big data cloud with WeChat applets and hardware sensors to build a platform with data transmission, data processing and analysis. It uses a weighted Manhattan threshold combination algorithm to determine abnormal values and a multi-parameter weighted interpolation algorithm for data filling. On the whole, this system provides a more reliable and efficient solution for health data analysis.

Keywords: Health indicators Big data processing Post-epidemic era Weighted Manhattan algorithm

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
刘业鹏,管安琪,唐宇航,等. 基于LOF孤立点检测技术的健康大数据系统[EB/OL]. 北京:中国科技论文在线 [2021-03-23]. https://www.paper.edu.cn/releasepaper/content/202103-246.

No.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于LOF孤立点检测技术的健康大数据系统