基于NMF和相似度函數(shù)離群點檢測.pdf

1、離群點檢測是數(shù)據(jù)挖掘的重要研究領域，廣泛應用在信用卡欺詐檢測、網絡入侵檢測等方面。目前常見的離群點檢測算法有基于統(tǒng)計的方法、基于距離的方法、基于密度的方法、基于偏移的離群點檢測方法。本文對高維異常點檢測算法、以及基于數(shù)據(jù)流等其他離群點檢測算法進行了介紹，并對數(shù)據(jù)挖掘中常見的聚類算法進行了介紹，如基于層次、基于密度、基于劃分、基于模型和基于網格聚類算法。另外對群分類的算法、基于粒子的聚類算法、依據(jù)模糊劃分的模糊聚類算法等進行了分析比較。<

2、br>　　 本文結合層次聚類和相似性的原理，給出高維數(shù)據(jù)的相似度量函數(shù)與類密度概念，基于類密度概念定義高維數(shù)據(jù)離群點，并進而提出新的異常點檢測算法，該算法的算法原理簡單，程序容易實現(xiàn)。實驗結果表明，該算法有一定優(yōu)點但也有缺點，如隨著數(shù)據(jù)維數(shù)的增加，其運行的時間較長。對此進一步改進，結合NMF和基于相似度量的的離群點檢測算法提出基于NMF和相似函數(shù)的離群點檢測算法，該算法的思想是先對高維數(shù)據(jù)進行降維處理，然后再對降維后的數(shù)據(jù)運用基于相似