《表2 结果分析：基于云计算的电力运行大数据异常值快速检测算法》
提示：宽带有限、当前游客访问压缩模式
从表2中可以看出，本文算法运行一周期，检测电力运行大数据异常值，所耗费的时间为85 s，检测用时均小于其他3种文献方法。因此，充分说明本文算法具有较高的检测效率。
| 图表编号 | XD00221070900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.20 |
| 作者 | 石莹、罗峥、胡佳、魏添 |
| 绘制单位 | 国网武汉供电公司、国网武汉供电公司、国网武汉供电公司、国网武汉市蔡甸区供电公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 UCI数据集信息：基于稀疏子空间的局部异常值检测算法》2020.10.01
- 《表1 样本分布情况：基于云计算的电力运行大数据异常值快速检测算法》2020.09.20
- 《表2 实验数据对比：基于云计算技术的电力大数据分布式检索系统》2018.09.25
- 《表1 异常数据检测结果：用于电力数据管理分析的负荷预测与异常检测》2021.01.25
- 《表2 站点分类的结果：基于改进K-means算法的电力大数据系统研究》2021.01.20
- 《表1 试件参数表：基于粒子滤波算法的电网运行异常值快速检测算法》2021.01.05
- 《表1 异常规则描述：一种基于电力大数据的反窃电预测方法》2020.07.15
- 《表6 数据异常值检测结果（孤立森林算法）》2020.02.01
- 《表1 1 对比结果：基于智能电表大数据的异常用电检测》2020.06.28
- 《表1 异常数据检测结果：基于算法以及小波分析的智能卡消费数据异常检测》2020.07.10
- 《表2 实验平台配置：基于移动小波树的电力监控异常数据自动识别算法研究》2020.09.20
- 《表3 结果分析：基于移动小波树的电力监控异常数据自动识别算法研究》2020.09.20
- 《表1 实验数据概况表：基于HSV色彩空间的遥感图像快速云检测》2020.08.28
- 《表2 算法性能对比：基于改进k-means的电力信息系统异常检测方法》2020.03.30
- 《表1 随机抽取样本算法：基于大数据分析的供热二次管网异常监测的算法比较》2019.12.01
- 《表4 数据集的字段说明：基于大数据分析的供热二次管网异常监测的算法比较》2019.12.01
- 《表2 分布式建树算法：基于大数据分析的供热二次管网异常监测的算法比较》2019.12.01
- 《表5 实验环境：基于大数据分析的供热二次管网异常监测的算法比较》2019.12.01
- 《表4 算法的结果分析：基于迁移学习的电力通信网异常站点业务数量预测》2019.05.01
- 《表1 异常类型表：基于大数据的电力计量装置故障智能化诊断研究》2019.12.05