基于距離的離群挖掘算法研究.pdf

1、離群點(diǎn)檢測(cè)作為知識(shí)發(fā)現(xiàn)的重要部分，被廣泛的應(yīng)用于欺詐識(shí)別、入侵檢測(cè)、故障診斷及惡劣天氣預(yù)報(bào)等領(lǐng)域。近年來，隨著人們對(duì)離群數(shù)據(jù)挖掘重要性認(rèn)識(shí)的不斷加深，以及其越來越廣泛的應(yīng)用，離群點(diǎn)挖掘成為了數(shù)據(jù)挖掘領(lǐng)域的熱點(diǎn)之一。離群點(diǎn)檢測(cè)算法大致可分為：基于分布的方法；基于深度的方法；基于距離的方法；基于密度的方法和基于聚類的方法。其中基于距離的離群檢測(cè)算法可以靈活的制定距離函數(shù)、有效的獲得離群點(diǎn)的信息。然而現(xiàn)有的算法在實(shí)際應(yīng)用過程中還存在著一些不足

2、，如初始參數(shù)的選取需要通過經(jīng)驗(yàn)獲取，算法在高維、大數(shù)據(jù)集上的運(yùn)行效率等。
　　目前在基于距離的離群檢測(cè)算法上提出了一些先進(jìn)的算法，如KNN算法。本文針對(duì)KNN算法對(duì)離群點(diǎn)檢測(cè)的效率和精度進(jìn)行了研究，在此基礎(chǔ)上提出了加權(quán)KNN的算法思想。通過在傳統(tǒng)的KNN方法的基礎(chǔ)上為每個(gè)數(shù)據(jù)點(diǎn)增加了權(quán)重，其值為與最近的k個(gè)鄰居的平均距離，離群點(diǎn)為那些與第k個(gè)鄰居的距離最大且相同條件下權(quán)重最大的點(diǎn)。通過權(quán)重的引入，提高了離群點(diǎn)檢測(cè)算法的精度。論文的

3、主要工作包括：
　?、傺芯苛藬?shù)據(jù)挖掘和離群數(shù)據(jù)挖掘的背景、現(xiàn)狀和研究意義，分析了現(xiàn)有的離群點(diǎn)檢測(cè)算法，對(duì)比了常用的離群點(diǎn)檢測(cè)算法的優(yōu)缺點(diǎn)、適用范圍。
　　②研究了數(shù)據(jù)挖掘相關(guān)技術(shù)和算法，如數(shù)據(jù)挖掘前的一些數(shù)據(jù)預(yù)處理技術(shù)；以及一些聚類算法。
　?、墼诮?jīng)典的KNN離群檢測(cè)算法的基礎(chǔ)上，提出了一種改進(jìn)的基于加權(quán)KNN的離群點(diǎn)檢測(cè)算法，通過為每個(gè)點(diǎn)增加權(quán)重來提高離群檢測(cè)的精確度，并通過實(shí)驗(yàn)驗(yàn)證了其檢測(cè)精度優(yōu)于原算法。