简介:考虑ATM交易过程当中产生的一系列参数,如交易量、交易成功率和响应时间等,对交易状态特征进行分析并建立了异常检测模型。针对成功率与响应时间2个参数,利用聚类算法将数据点划分为正常点、疑似异常点、异常点3大类。对于疑似的异常点,再根据其时间序列周围点的分布情况确定是否确实为异常点;对于交易量参数,首先通过LOF局部离群因子对离群点进行识别,再结合交易量随时间的移动均线及标准差加以辅助筛选,得到初步的疑似异常点,进一步通过与不同天同一时刻数据进行比较,最终确定是否为异常点。根据上述模型,本文将异常情况划分为3个预警等级,并对重大故障情况进行预测。
简介:引进分次Armendariz环的概念,讨论了分次环R=n∈ZRn及由它导出的非分次环R,R0,及R[x]之间关于Armendariz环性质的关系,并推广了[8]的结论,得到在R=n∈ZRn是Z-型正分次环的前提下,若R是分次Armendariz,分次正规环,则R是P.P.环(Baer环)当且仅当R是分次P.P.环(分次Baer环).
简介:假设S(X)是Banach空间X的单位球面,作者引进了四个新的几何参数:Jε(X)=sup{βε(x),x∈S(X)},jε(X)=inf{βε(x),x∈S(X)},Gε(X)=sup{αε(x),x∈S(X)},gε(X)=inf{αε(x),x∈S(S)},其中≤ε≤1,βε(x)=sup{min{‖x+εy‖,‖x-εy‖,y∈S(X)}},αε(x)=inf{max{‖x+εy‖,‖x-εy‖,y∈S(X)}},讨论了这些参数的性质,本文主要结果是:如果主要结果是:如果有一个ε,0≤ε≤1,使得Jε(X)<1+ε/2或gε(X)>1+ε/3,那末X有一至正规结构。