Bibliography

(eng): In this paper, we propose an algorithm for outlier detection and removel. It is based on modelling the corrupted data by a two-component probabilistic mixture. The first component of the mixture models uncorrupted process data, while the second models outliers. When the outlier component is derected to be active, a prediction from the uncorrupted data component is computed and used as a reconstruction of the observed data. The filter exhibits fine properties, especially in the case of blocks of outliers.

(cze): V článku je navržen algoritmus pro detekci odlehlých pozorování a jejich korekci. Algoritmus je založen na modelování poškozených dat pomocí dvou-komponentové pravděpodobnostní směsi. První komponenta modeluje čistá data, druhá odlehlá pozorování. Jestliže se stane aktivní druhá komponenta, aktuální data se odstaní a místo nich se generuje predikce z první komponenty. Filtr vykazuje dobré vlastnosti, zejména v případě odlehlých pozorování vykytujících se v blocích.