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(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：劉海波指導(dǎo)教師：古平副教授專業(yè)：計算機軟件與理論學(xué)科門類：工學(xué)重慶大學(xué)計算機學(xué)院二O一三年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要近年來，隨著現(xiàn)代科學(xué)技術(shù)與信息技術(shù)的飛速發(fā)展，積累了隱藏著有價值信息的海量數(shù)據(jù)。為了充分利用這些數(shù)據(jù)，數(shù)據(jù)挖掘技術(shù)成為一個重要的研究領(lǐng)域。數(shù)據(jù)挖掘的主要功能是從大量的、完整性不足的的數(shù)據(jù)集中，找出人們無法預(yù)知的、但又極具價值的知識。離

2、群點檢測是數(shù)據(jù)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(fù)雜的數(shù)據(jù)集中提取與主流數(shù)據(jù)（正常數(shù)據(jù)）有著極大區(qū)別同時又屬于極少數(shù)的數(shù)據(jù)。離群點檢測在人們的生產(chǎn)生活中有著非常廣泛的應(yīng)用，如醫(yī)療診斷分析、氣象研究等。目前研究人員已經(jīng)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(xiàn)有的大多數(shù)離群點檢測算法都具有時間復(fù)雜度高的缺點。于是，研究學(xué)者們又開發(fā)了許多改善算法性能的技術(shù)，如，剪枝技術(shù)。剪

3、枝非離群點可以減小目標(biāo)數(shù)據(jù)集的大小，從而有效降低算法的時間復(fù)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(fù)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(shù)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(nèi)外研究現(xiàn)狀。②對離群檢測進行了較為詳細的分析，總結(jié)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(xué)習(xí)，重點討論了集成學(xué)習(xí)的核心思想和所用的相關(guān)技術(shù)。③為了改進局部離群點檢測算法LDOF時間復(fù)雜度高和對最近鄰參數(shù)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