研究文章
工业网络安全形势的预测基于使用EMD降噪
| 1。noise_filter(数据,n): /参数n指的是包的大小/ |
| 2。长度< -长度的数据 |
| 3 . /组数据/ |
| 4所示。集团[]< -每组包含n个连续信号 |
| 5 . /过滤噪音/ |
| 6。noise_filter_data = [] |
| 7所示。为goup_data在集团做 |
| 8。low_num < - B的因素排名百分比% |
| 9。high_num < -因子的排名百分比% |
| 10。temp_data = noise_filter_and_replace (goup_data low_num high_num) |
| 11. noise_filter_data.append (tem_data) /合并所有运用组/ |
| 12。返回noise_filter_data |
| 13。 |
| 14。/删除离群值和填补空白的地方/ |
| 15。noise_filter_and_replace(数据、low_num high_num): |
| 16。/如果噪音点存在于第一个位置或最后一个位置,他们需要单独处理/ |
| 17所示。为指数< 1来len (data-1)做 |
| 18岁。如果数据(指标)是噪声点然后 |
| 19所示。找到最近的两个非噪声点数据(first_weight)和数据(second_weight)左右 |
| 20.计算距离x, y |
| 21。first_weight < - y / (x + y) |
| 22。second_weight < - x / (x + y) |
| 23。(指数)< -数据(first_weight)first_weight +数据(second_weight)second_weight |
| 24。返回数据 |
|
