版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、離群點檢測又稱小事件檢測、偏差檢測等。在某些應(yīng)用中,那些小概率發(fā)生的事件往往比經(jīng)常發(fā)生的事件更有趣、更有研究價值。聚類算法實質(zhì)是將數(shù)據(jù)集中的數(shù)據(jù)進行分組,使得同一組內(nèi)的數(shù)據(jù)盡可能相似而不同組內(nèi)的數(shù)據(jù)盡可能不同。以往的有些聚類算法,只是將離群點檢測作為聚類過程的副產(chǎn)品,使一些重要信息丟失;而在離群點挖掘時,只注重離群點檢測,不關(guān)注數(shù)據(jù)的分布情況,使得離群點分析難度加大,甚至使一些離群點失去了其實際的應(yīng)用價值。如將離群點挖掘與聚類分析算法有
2、機的結(jié)合,可以更準(zhǔn)確的了解數(shù)據(jù)分布情況。
審計方法的好壞直接影響著審計結(jié)果的質(zhì)量,動態(tài)監(jiān)測指標(biāo)直接影響著審計的時效。傳統(tǒng)的審計方法往往是由審計專家的經(jīng)驗和政策法規(guī)構(gòu)建的,這存在著多處不足。利用數(shù)據(jù)挖掘技術(shù)在海量的審計數(shù)據(jù)中挖出對構(gòu)建審計方法和提煉動態(tài)監(jiān)測指標(biāo)提供決策依據(jù)的數(shù)據(jù),此項工作具有理論和實際意義。
本文提出DBSCAN_LOF算法,將DBSCAN的核心對象判定融合到LOF算法中,并重新定義核心對象、增
3、加了k-鄰域半徑的概念。該算法不但以k-近鄰這個概念將聚類算法和離群點算法有機的結(jié)合起來,還打破了傳統(tǒng)基于聚類的離群點檢測算法離群點檢測結(jié)果受聚類結(jié)果的影響、降低了DBSCAN對參數(shù)的敏感性及數(shù)據(jù)空間分布不均勻?qū)垲惤Y(jié)果的影響,并且可以在快速聚類的同時檢測離群點。
通過多種數(shù)據(jù)集,比較DBSCAN_LOF算法與原有一些算法在聚類效果和時效上的差異。然后以社會保障審計數(shù)據(jù)作為實驗數(shù)據(jù),對審計數(shù)據(jù)中復(fù)合數(shù)據(jù)類型數(shù)據(jù)、不同意義的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數(shù)據(jù)密度估計的聚類與離群點檢測研究.pdf
- 移動對象聚類和空間離群點檢測算法研究.pdf
- 基于相鄰關(guān)系的聚類和離群點檢測算法的研究.pdf
- 高維數(shù)據(jù)的聚類及離群點檢測算法的研究與實現(xiàn).pdf
- 離群點檢測方法研究.pdf
- 時空離群點檢測研究.pdf
- 面向垃圾評論過濾的離群點檢測算法研究.pdf
- 基于離群點檢測的醫(yī)保欺詐檢測研究.pdf
- 基于多重聚類的局部離群點檢測算法研究.pdf
- 基于密度差異的離群點檢測研究.pdf
- 基于距離的離群點檢測方法研究.pdf
- 離群點檢測及其應(yīng)用研究.pdf
- 背景離群點檢測算法研究.pdf
- 數(shù)據(jù)流離群點檢測研究.pdf
- 醫(yī)療數(shù)據(jù)的離群點檢測方法研究.pdf
- 基于RFID數(shù)據(jù)的離群點檢測.pdf
- 面向大規(guī)模數(shù)據(jù)的離群點檢測算法研究及應(yīng)用.pdf
- 基于多視角聚類的離群檢測算法研究.pdf
- 聚類的邊界點檢測算法研究.pdf
- 基于連通性的離群檢測與聚類研究.pdf
評論
0/150
提交評論