數(shù)據(jù)挖掘中孤立點(diǎn)檢測(cè)算法的研究.pdf

1、數(shù)據(jù)挖掘是從大量的數(shù)據(jù)集中提取隱含的、未知的、潛在有用的知識(shí)的過程，是數(shù)據(jù)庫(kù)研究最活躍的領(lǐng)域之一。而孤立點(diǎn)檢測(cè)是數(shù)據(jù)挖掘中的重要研究分支，其作用就是發(fā)現(xiàn)數(shù)據(jù)集中的“小模式”，即顯著不同于其它數(shù)據(jù)的對(duì)象。經(jīng)過近20年的發(fā)展，孤立點(diǎn)檢測(cè)技術(shù)得到了廣泛的應(yīng)用。傳統(tǒng)的孤立點(diǎn)檢測(cè)算法存在一些難以克服的障礙，例如算法的參數(shù)難以選擇造成檢測(cè)結(jié)果不穩(wěn)定，算法難以適應(yīng)高維數(shù)據(jù)的特性等。本論文主要針對(duì)以上問題，對(duì)孤立點(diǎn)檢測(cè)算法進(jìn)行了研究。 本文對(duì)當(dāng)

2、前的孤立點(diǎn)檢測(cè)算法進(jìn)行詳細(xì)地研究比較，指出各自的適用范圍和存在的不足，并在此基礎(chǔ)上完成主要工作如下： 本文在對(duì)基于單元的孤立點(diǎn)檢測(cè)算法的詳細(xì)研究分析的基礎(chǔ)上，針對(duì)該算法中邊界處孤立點(diǎn)的誤判問題，提出用數(shù)據(jù)集邊界閾值動(dòng)態(tài)調(diào)整函數(shù)的方法來(lái)解決此問題，針對(duì)距離值D需要手動(dòng)輸入的問題，提出利用抽樣平均距離來(lái)代替手動(dòng)輸入距離值D。 改進(jìn)后的算法不僅有效地減少了邊界處孤立點(diǎn)的誤判，還減少了參數(shù)的輸入，提高了算法的自動(dòng)化程度。