Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej
MNiSW
20
Poziom I
Status:
Autorzy: Kiersztyn Adam, Urbanovich Pavel, Shutko Nadzeya
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Strony: 170 - 181
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 15 grudnia 2021
Abstrakty: angielski
Detection of outliers is one of the most common and important problems in modern data analysis. Sources of outliers are different. These could be the result of a database malfunction or user errors. The problem is very important due to the dynamic development of large data sets. Therefore, in this paper we present detailed results of work on the concept of using distribution properties to detect outliers. The aim of the study is to introduce an innovative solution that enables the use of statistical semantics of identification and classification of outliers. The undoubted advantages of the novel approach for outlier detection are the simplicity of interpretation and the possibility of its modification. The effectiveness of the proposed method was compared with other recognized techniques to detecting outliers on both artificially generated and empirical data sets.