离群点检测方法及其在大数据时代下的改进方法研究

被引：5

作者：

苗永春

程艳

机构：

[1] 江西师范大学计算机信息工程学院

来源：

江西师范大学学报(自然科学版) | 2014年 / 38卷 / 05期

关键词：

大数据; 离群点检测方法; 改进策略;

D O I：

10.16357/j.cnki.issn1000-5862.2014.05.015

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

通过对当前有代表性的离群数据检测方法的分析和比较,总结了各方法的特性及优缺点.针对大数据的数据量大、维数高的特性,分析了离群点检测方法的改进策略,并以T-ODCD算法和AROD算法为例,进一步说明离群点检测改进策略.

引用

页码：454 / 458+495 +495

页数：6

共 23 条

[1] 数据挖掘中离群点检测的非参数方法研究 [J].

李志云 .

微型电脑应用, 2013, 29 (08) :46-47

[2] 基于聚类划分的两阶段离群点检测算法 [J].

杨福萍 ;

王洪国 ;

董树霞 ;

牛家洋 ;

丁艳辉 .

计算机应用研究, 2013, 30 (07) :1942-1945

[3] 大数据管理:概念、技术与挑战 [J].

孟小峰 ;

慈祥 .

计算机研究与发展, 2013, (01) :146-169

[4] 一种基于多重聚类的离群点检测算法 [J].

古平 ;

刘海波 ;

罗志恒 .

计算机应用研究, 2013, 30 (03) :751-753+756

[5] 一种基于密度的局部离群点检测算法DLOF [J].

胡彩平 ;

秦小麟 .

计算机研究与发展, 2010, 47 (12) :2110-2116

[6] 基于聚类分析局部离群点挖掘改进算法的研究与实现 [J].

赵战营 ;

成长生 .

计算机应用与软件, 2010, 27 (11) :255-258

[7] 基于密度的局部离群点检测算法 [J].

张卫旭 ;

尉宇 .

计算机与数字工程, 2010, 38 (10) :11-14

[8] 基于聚类的属性约简方法 [J].

陈源 ;

曾德胜 ;

谢冲 .

计算机系统应用, 2009, 18 (05) :173-176

[9] 离群点挖掘研究 [J].

徐翔 ;

刘建伟 ;

罗雄麟 .

计算机应用研究, 2009, 26 (01) :34-40

[10] 离群点挖掘方法综述 [J].

薛安荣 ;

姚林 ;

鞠时光 ;

陈伟鹤 ;

马汉达 .

计算机科学, 2008, (11) :13-18+27

← 1 2 3 →