Outlier Detection from Non-Smooth Sensor Data

Timo Huuhtanen, Henrik Ambos, Alex Jung

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

27 Lataukset (Pure)

Abstrakti

Outlier detection is usually based on smooth assumption of the data. Most existing approaches for outlier detection from spatial sensor data assume the data to be a smooth function of the location. Spatial discontinuities in the data, such as arising from shadows in photovoltaic (PV) systems, may cause outlier detection methods based on the spatial smoothness assumption to fail. In this paper, we propose novel approaches for outlier detection of non-smooth spatial data. The methods
are evaluated by numerical experiments involving PV panel measurements as well as synthetic data.
AlkuperäiskieliEnglanti
OtsikkoEUSIPCO 2019 - 27th European Signal Processing Conference
KustantajaIEEE
Sivut1-5
Sivumäärä5
ISBN (elektroninen)9789082797039
DOI - pysyväislinkit
TilaJulkaistu - 5 syyskuuta 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaEuropean Signal Processing Conference - Coruna, Espanja
Kesto: 2 syyskuuta 20196 syyskuuta 2019

Julkaisusarja

NimiEuropean Signal Processing Conference
KustantajaIEEE
ISSN (painettu)2219-5491

Conference

ConferenceEuropean Signal Processing Conference
LyhennettäEUSIPCO
MaaEspanja
KaupunkiCoruna
Ajanjakso02/09/201906/09/2019

Sormenjälki Sukella tutkimusaiheisiin 'Outlier Detection from Non-Smooth Sensor Data'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

  • Siteeraa tätä

    Huuhtanen, T., Ambos, H., & Jung, A. (2019). Outlier Detection from Non-Smooth Sensor Data. teoksessa EUSIPCO 2019 - 27th European Signal Processing Conference (Sivut 1-5). (European Signal Processing Conference). IEEE. https://doi.org/10.23919/EUSIPCO.2019.8903061