面向?qū)徲嬵I(lǐng)域的聚類離群點檢測研究.pdf

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