數(shù)據(jù)挖掘中的離群點檢測算法研究.pdf

1、離群點檢測是數(shù)據(jù)挖掘中的一個分支，它的任務是識別其特征顯著不同于其他數(shù)據(jù)的觀測值。在我們平常的社會生活和自然界中，大部分的事件和對象，都是很尋常或者是平凡的。但是我們也不能因此忽視，在其中也有很多不尋?；蛘卟黄椒驳膶ο蟠嬖诘目赡苄浴＿@些對象的事件背后可能蘊含著更大的研究價值，有著廣闊的應用前景。因此，離群點檢測是一個非常有意義的研究方向。
　　目前，研究者們已經(jīng)提出了很多離群點檢測方法，包括基于統(tǒng)計的離群點檢測方法、基于頻率的離群

2、點檢測方法、基于深度的離群點檢測方法、基于距離的離群點檢測方法和基于密度的離群點檢測方法等。本文分析了離群點檢測的研究背景、意義和國內(nèi)外研究現(xiàn)狀，研究基于距離的離群點檢測方法和基于頻率的離群點檢測方法，并改進了傳統(tǒng)的離群點檢測方法。
　　屬性通?？梢苑譃閮深悾〝?shù)值屬性以及分類屬性。本文詳細分析了兩種屬性的區(qū)別，并做了以下工作:
　　針對數(shù)值數(shù)據(jù)，對傳統(tǒng)的基于距離的檢測算法進行改進。傳統(tǒng)的基于距離的檢測算法輸入?yún)?shù)多，而且

3、算法對參數(shù)比較敏感，因此選擇基于平均距離的離群點檢測算法。針對這種算法計算量大，在大數(shù)據(jù)集中不適用的問題，根據(jù)如果數(shù)據(jù)對象r鄰域內(nèi)數(shù)據(jù)的個數(shù)達到k個以上就不是離群點的規(guī)則剪去部分非離群點，通過聚類，將類別按照密度進行排序，先選擇密度小的類別開始檢測，離群度閾值可以迅速增大，利用剪枝規(guī)則再次剪枝。這樣可以大大減小運算時間。
　　針對分類數(shù)據(jù)，分析了基于距離的算法的不足，介紹了針對分類數(shù)據(jù)的常用的離群點檢測方法，包括基于頻率的方法和基