基于興趣度的離群點挖掘技術(shù)研究.pdf

1、現(xiàn)代企業(yè)在其信息化的過程中積累了越來越多的數(shù)據(jù),對于一些企業(yè)應(yīng)用,異常數(shù)據(jù)的挖掘比常規(guī)模式的挖掘更有應(yīng)用價值.對于這類數(shù)據(jù)挖掘研究的需求日益明顯增加,無論在國內(nèi)還是國外都形成了廣闊的研究領(lǐng)域,該項技術(shù)越來越多的投入到現(xiàn)今社會的諸多應(yīng)用中,發(fā)揮其不可被替代的作用.例如企業(yè)管理風(fēng)險的預(yù)測分析,網(wǎng)絡(luò)入侵檢測等.這些技術(shù)都需要對于異常情況快速而敏感的檢測,這些都為離群點的挖掘提供了潛在的應(yīng)用背景.在目前的數(shù)據(jù)挖掘研究中,興趣規(guī)則的研究大多基于關(guān)

2、聯(lián)規(guī)則和強關(guān)聯(lián)規(guī)則的考慮,孤立點的研究也只是基于單庫,適應(yīng)高維的孤立點檢測的有效算法依然在研究中,基于這些因素,該文提出了不同于以往研究的一種興趣度新定義——新奇度,即把興趣度和離群點結(jié)合起來,注重具有此類特征的離群點的挖掘.在現(xiàn)有的LOF算法和GridLOF算法的基礎(chǔ)上,把數(shù)據(jù)庫看作數(shù)據(jù)集,用孤立點概念代替新奇數(shù)據(jù)的概念,提出改進后的基于興趣度的挖掘新奇數(shù)據(jù)的算法GPOD(a Grid-based Preprocessing Outl

3、ier Detection algorithm),使其能更有效、快速的挖掘出離群點,GPOD算法在高維數(shù)據(jù)集的挖掘中也具有一定的理論價值.在適當(dāng)?shù)沫h(huán)境下可以進一步引申為興趣規(guī)則,并推廣應(yīng)用于多庫環(huán)境中,挖掘出具有實際意義的有用規(guī)則,進而為企業(yè)決策者提供有用的信息.該文在介紹相關(guān)的概念及定義的基礎(chǔ)上,詳細(xì)討論了興趣規(guī)則的具體定義,具體意義及應(yīng)用.還重點介紹挖掘算法采用的技術(shù)——孤立點檢測和聚類,闡述了基于興趣度的離群點挖掘方法以及如何由庫