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

[11]

离群检测算法研究[D]. 杨茂林.华中科技大学. 2012

[12]

基于属性重要度的属性约简算法研究[D]. 王芳.电子科技大学. 2011

[13]

高维数据空间中离群点检测算法的研究[D]. 吴晓燕.南京财经大学. 2010

[14]

数据挖掘原理与实践[M]. 电子工业出版社 , 蒋盛益, 2011

[15]

Novelty detection: a review—part 2:[J] . Markos Markou,Sameer Singh.Signal Processing . 2003 (12)

[16] Finding generalized projected clusters in high dimensional spaces [J].

Aggarwal, CC ;

Yu, PS .

SIGMOD RECORD, 2000, 29 (02) :70-81

[17]

Data Mining:Concepts and Techniques .2 Han Jiawei,Micheline K. Morgan Kaufmann . 2006

[18] 基于统计的离群数据挖掘与分析 [J].

金义富 ;

邓明 .

湛江师范学院学报, 2007, (06) :70-73

[19] 基于平均密度的孤立点检测研究 [J].

施化吉 ;

周书勇 ;

李星毅 ;

唐慧 ;

丁秋林 .

电子科技大学学报, 2007, (06) :1286-1288+1295

[20] 局部离群点挖掘算法研究 [J].

薛安荣 ;

鞠时光 ;

何伟华 ;

陈伟鹤 .

计算机学报, 2007, (08) :1455-1463

← 1 2 3 →