基于直方圖和FP增長的離群點(diǎn)關(guān)聯(lián)規(guī)則的挖掘.pdf_第1頁
已閱讀1頁，還剩62頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、　　由于高維空間數(shù)據(jù)的稀疏性和維災(zāi)問題使得高維空間離群點(diǎn)的挖掘和分析始終是數(shù)據(jù)挖掘的難點(diǎn)之一，本文在現(xiàn)有高維空間離群點(diǎn)挖掘算法的基礎(chǔ)上，提出了用數(shù)據(jù)直方圖和FP增長(Frequent Pattern-Growth)相結(jié)合的方法挖掘出現(xiàn)離群點(diǎn)的維之間的關(guān)聯(lián)規(guī)則，從而能更好地認(rèn)識(shí)離群點(diǎn)和解釋離群點(diǎn)之間的關(guān)系。
　　到目前為止，人們對高維離群點(diǎn)的挖掘提出了許多方法，比如數(shù)據(jù)約減、投影變換、特征選取等，但是在這些方法中也存在著各種不足和

2、問題，其中不僅存在計(jì)算復(fù)雜度比較大問題，而且對離群點(diǎn)的產(chǎn)生機(jī)制、離群點(diǎn)之間的關(guān)系缺乏深入的研究，為此本文在這兩方面做了些工作，針對上述問題提出了基于直方圖和FP 增長的離群點(diǎn)關(guān)聯(lián)規(guī)則挖掘的方法。該方法首先計(jì)算每一維上數(shù)據(jù)點(diǎn)的KNN(K-Nearest Neighbors)距離，形成直方圖，利用直方圖判斷在該維上哪些點(diǎn)是全局離群點(diǎn)，哪些點(diǎn)是局部離群點(diǎn)和邊緣離群點(diǎn)，從而降低計(jì)算復(fù)雜度，然后用FP增長算法挖掘滿足一定支持度和置信度的頻繁出現(xiàn)離

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論