基于蟻群算法的離群點(diǎn)挖掘算法研究.pdf

1、離群點(diǎn)挖掘隨著數(shù)據(jù)挖掘的發(fā)展引起了廣泛關(guān)注。通過對(duì)國內(nèi)外離群點(diǎn)挖掘算法的研究情況分析可知，以往的離群點(diǎn)挖掘算法還存在諸多問題，例如用戶定義的閾值往往直接影響著挖掘的結(jié)果；考查多變量之間的相似性來挖掘時(shí)序離群點(diǎn)的算法仍較少，或精確度較低。針對(duì)這些問題，本文主要研究了基于蟻群算法的離群點(diǎn)挖掘方法。
　　首先，提出了一種在對(duì)蟻群構(gòu)圖進(jìn)行切割的基礎(chǔ)上挖掘離群點(diǎn)的算法。該算法在第一階段對(duì)傳統(tǒng)的蟻群算法進(jìn)行改進(jìn)，將不同屬性數(shù)據(jù)之間的距離和分布

2、情況納入轉(zhuǎn)移概率的計(jì)算之中，從而構(gòu)建最優(yōu)的圖像。然后在一定的圖像切割準(zhǔn)則下對(duì)圖像進(jìn)行切割，最后通過計(jì)算各個(gè)簇，即切割圖像后形成的各子圖之間的差異以及同一簇中數(shù)據(jù)點(diǎn)之間的差異來找到 top n離群點(diǎn)。
　　其次，提出了一種基于改進(jìn)的蟻群 k-means聚類算法的多變量時(shí)序離群點(diǎn)挖掘算法。該算法把蟻群算法特有的信息素和轉(zhuǎn)移概率引入對(duì)數(shù)據(jù)聚類的過程中，通過計(jì)算類內(nèi)距離和類間距離找到符合聚類標(biāo)準(zhǔn)的最好聚類結(jié)果，然后通過查看各數(shù)據(jù)點(diǎn)在不同簇