离群点挖掘方法综述

被引：68

作者：

薛安荣

姚林

鞠时光

陈伟鹤

马汉达

机构：

[1] 江苏大学计算机科学与通信工程学院

来源：

计算机科学 | 2008年 / 11期

关键词：

离群点挖掘; 局部离群点; 子空间; 剪枝; 空间离群点; 高维数据; 数据流;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

离群点挖掘可揭示稀有事件和现象、发现有趣的模式,有着广阔的应用前景,因此引起广泛关注。首先介绍离群点的定义、引起离群的原因和离群点挖掘算法的分类,对基于距离和基于密度的离群点挖掘算法进行了比较详细的讨论,指出了其优缺点和发展方向,重点对当前研究的热点——高维大数据量的挖掘、空间数据挖掘、时序离群点挖掘和离群点挖掘技术的应用进行了讨论,指出了进一步研究方向。

引用

页码：13 / 18+27 +27

页数：7

共 21 条

[1]

智能数据分析中异常数据的集成化管理方法研究.[D].姚卫新.复旦大学.2004, 01

[2] SLOM: a new measure for local spatial outliers [J].

Chawla, S ;

Sun, P .

KNOWLEDGE AND INFORMATION SYSTEMS, 2006, 9 (04) :412-429

[3] Reliable detection of episodes in event sequences [J].

Gwadera, R ;

Atallah, MJ ;

Szpankowski, W .

KNOWLEDGE AND INFORMATION SYSTEMS, 2005, 7 (04) :415-437

[4] A unified approach to detecting spatial outliers [J].

Shekhar, S ;

Lu, CT ;

Zhang, PS .

GEOINFORMATICA, 2003, 7 (02) :139-166

[5]

<Emphasis Type="Italic">FindOut</Emphasis>: Finding Outliers in Very Large Datasets.[J].Dantong Yu;Gholamhosein Sheikholeslami;Aidong Zhang.Knowledge and Information Systems.2002, 4

[6] Outlier detection for stationary time series [J].