Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
Applied Mathematics and Nonlinear Sciences
Band 8 (2023): Heft 1 (January 2023)
Uneingeschränkter Zugang
Research on Detection Model of Abnormal Data in Engineering Cost List
Jingyi Dai
Jingyi Dai
und
Dandan Ke
Dandan Ke
| 15. Juni 2022
Applied Mathematics and Nonlinear Sciences
Band 8 (2023): Heft 1 (January 2023)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Figuren und Tabellen
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
15. Juni 2022
Seitenbereich:
2567 - 2580
Eingereicht:
01. Jan. 2022
Akzeptiert:
27. März 2022
DOI:
https://doi.org/10.2478/amns.2021.2.00203
Schlüsselwörter
Project cost list
,
Detection of abnormal data
,
K-means clustering
© 2023 Jingyi Dai et al., published by Sciendo
This work is licensed under the Creative Commons Attribution 4.0 International License.
Fig. 1
Valuation process of quantity bill
Fig. 2
Extensive unit cost distribution of cast-in-place component reinforcement
Fig. 3
Flowchart for detecting abnormal unit price data
Fig. 4
Schematic diagram of K-means clustering results
Fig. 5
Experimental results of Laplace smoothing parameters K=9
Fig. 6
Results of Laplace smoothing parameters K=13
Fig. 7
K-means K value and accuracy results of the two Bayesian classification methods
Fig. 8
Flow chart of detecting abnormal data in the project cost list
Fig. 9
Abnormal data detection K value experiment diagram
Fig. 10
Experimental diagram of the comparison between the traditional method and the method of this topic