基于多重聚類的局部離群點檢測算法研究.pdf

1、基于多重聚類的局部離群點檢測算法研究重慶大學碩士學位論文（學術學位）學生姓名：劉海波指導教師：古平副教授專業(yè)：計算機軟件與理論學科門類：工學重慶大學計算機學院二O一三年四月重慶大學碩士學位論文中文摘要I摘要近年來，隨著現代科學技術與信息技術的飛速發(fā)展，積累了隱藏著有價值信息的海量數據。為了充分利用這些數據，數據挖掘技術成為一個重要的研究領域。數據挖掘的主要功能是從大量的、完整性不足的的數據集中，找出人們無法預知的、但又極具價值的知識。離

2、群點檢測是數據挖掘的一個非常重要的研究分支，其主要功能是從龐大的而復雜的數據集中提取與主流數據（正常數據）有著極大區(qū)別同時又屬于極少數的數據。離群點檢測在人們的生產生活中有著非常廣泛的應用，如醫(yī)療診斷分析、氣象研究等。目前研究人員已經提出了大量的離群點檢測算法。如，基于聚類的離群點檢測算法，基于統(tǒng)計的離群點檢測算法等。然而現有的大多數離群點檢測算法都具有時間復雜度高的缺點。于是，研究學者們又開發(fā)了許多改善算法性能的技術，如，剪枝技術。剪

3、枝非離群點可以減小目標數據集的大小，從而有效降低算法的時間復雜度。本文為了改進LDOF算法的缺點，提出了一個基于多重聚類的局部離群點檢測算法PMLDOF。該算法既可以降低離群點檢測的時間復雜度，又可以避免剪枝過程中對離群點的錯剪，同時通過剪枝大量非離群點降低了檢測精度對最近鄰參數k的敏感性。具體而言，本文的主要研究工作如下：①介紹了離群點檢測的研究背景及離群點檢測的國內外研究現狀。②對離群檢測進行了較為詳細的分析，總結了各種算法的核心思

4、想和各自的適用范圍。全面系統(tǒng)地介紹了集成學習，重點討論了集成學習的核心思想和所用的相關技術。③為了改進局部離群點檢測算法LDOF時間復雜度高和對最近鄰參數k的敏感的缺點，提出了基于DBSCAN剪枝的局部離群檢測算法PLDOF。但是，PLDOF卻存在錯誤剪枝離群點的缺點。為了克服此缺點，本文引入了多重聚類的思想，利用多重聚類可以對簇的邊緣稀疏區(qū)域進行篩選處理的特點，提出一種基于多重聚類的局部離群點檢測算法PMLDOF。④在對多重聚類進行集