基于密度的不確定數(shù)據(jù)離群點(diǎn)檢測(cè)研究.pdf

1、近年來，隨著人們對(duì)數(shù)據(jù)采集和處理技術(shù)理解的不斷深入，不確定數(shù)據(jù)挖掘技術(shù)在移動(dòng)電信、軍事、經(jīng)濟(jì)和氣象領(lǐng)域扮演關(guān)鍵角色，如GPS裝置或者移動(dòng)電話進(jìn)行位置追蹤、傳感數(shù)據(jù)管理和特征數(shù)據(jù)提取等[1]。然而在現(xiàn)實(shí)生活中獲取的數(shù)據(jù)并非都是準(zhǔn)確無誤的，如傳感器網(wǎng)絡(luò)、隱私保護(hù)、數(shù)據(jù)集成、位置服務(wù)和射頻技術(shù)應(yīng)用過程中，由于數(shù)據(jù)采集方式、氣候或者人為干擾等外界因素都會(huì)產(chǎn)生大量不完整或者有誤差的數(shù)據(jù)，這些數(shù)據(jù)對(duì)象都不是單個(gè)數(shù)據(jù)點(diǎn)，而是按照一定的概率出現(xiàn)，這些數(shù)

2、據(jù)稱為不確定性數(shù)據(jù)。由于不確定數(shù)據(jù)自身的隨機(jī)性和復(fù)雜性很難使用傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)，有關(guān)不確定數(shù)據(jù)的離群點(diǎn)檢測(cè)研究成果還有所不足，所以對(duì)不確定數(shù)據(jù)進(jìn)行離群點(diǎn)檢測(cè)研究很有現(xiàn)實(shí)意義。
　　本文使用基于密度的方法進(jìn)行不確定數(shù)據(jù)離群點(diǎn)檢測(cè)，定義了一個(gè)基于密度的不確定局部離群點(diǎn)因子（Uncertain Local Outlier Factor:ULOF）的概念，用于表征不確定數(shù)據(jù)集中對(duì)象的局部離群程度，值越大說明對(duì)象的離群程度越高，從中提取離

3、群度最高的n個(gè)數(shù)據(jù)對(duì)象。
　　本文主要完成以下工作：
　?、俑鶕?jù)不確定數(shù)據(jù)的所屬類型和產(chǎn)生原因，針對(duì)元組級(jí)不確定數(shù)據(jù)集的離群點(diǎn)檢測(cè)，設(shè)計(jì)了基于密度的不確定數(shù)據(jù)離群點(diǎn)檢測(cè)算法。通過建立不確定數(shù)據(jù)的可能世界模型來確定不確定對(duì)象在可能世界中的概率，并結(jié)合傳統(tǒng)的局部離群因子（Local Outlier Factor:LOF）算法推導(dǎo)出ULOF算法，最后根據(jù)每個(gè)對(duì)象的ULOF值判斷該對(duì)象在不確定對(duì)象集中的離群程度。
　?、诰C合考

4、慮不確定元組對(duì)象的元值和概率，結(jié)合每個(gè)不確定對(duì)象的ULOF進(jìn)行不確定數(shù)據(jù)集的UTop-k查詢，找出離群度最高的n個(gè)數(shù)據(jù)對(duì)象。
　　③對(duì)ULOF算法的效率性、準(zhǔn)確性以及時(shí)間和空間復(fù)雜度進(jìn)行了詳細(xì)分析，提出了基于網(wǎng)格的剪枝策略、k最近鄰查詢優(yōu)化來減少離群數(shù)據(jù)的候選集，有效地提高算法效率，降低算法的時(shí)間復(fù)雜度。
　?、芡ㄟ^模擬數(shù)據(jù)實(shí)驗(yàn)和真實(shí)數(shù)據(jù)實(shí)驗(yàn)來評(píng)估 ULOF的可行性，比較并分析ULOF算法在不同參數(shù)影響下的效率性、伸縮性和準(zhǔn)