基于高對比性子空間的離群點挖掘算法研究.pdf

1、離群數(shù)據(jù)的檢測與分析已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域中一個重要的研究方向，其在金融欺詐檢測和網(wǎng)絡(luò)入侵、疾病預(yù)防和控制、災(zāi)難氣象預(yù)報等許多方面都有著廣泛的應(yīng)用。隨著研究的深入，低維空間中的離群點挖掘已經(jīng)有了比較深入的研究，且取得了較多的成果;但由于高維空間中的數(shù)據(jù)分布具有稀疏性、噪音多、屬性多、維度高等特性，傳統(tǒng)的離群點檢測方法已不再有效。因此，高維空間的離群點檢測面臨著許多的問題和挑戰(zhàn)。
　　 鑒于以上的問題，如何發(fā)掘出一種有效的高維空間離

2、群點檢測算法是研究的熱點。目前，基于子空間解決高維離群點挖掘的問題已經(jīng)引起人們的廣泛關(guān)注，現(xiàn)有方法存在的主要問題是:難以選取合適的子空間，且選取計算量大;閾值等參數(shù)設(shè)置困難等。這些都影響了檢測精度和檢測效率。針對此，本文提出了基于高對比性子空間的離群點檢測方法，論文的主要貢獻(xiàn)如下:
　　 (1)通過對現(xiàn)有的高維空間離群點挖掘算法的研究與分析，指出現(xiàn)有的挖掘算法存在的問題與挑戰(zhàn)，并提出了相應(yīng)的解決方法。
　　 (2)針對難

3、以選擇合適子空間的問題，提出了一種高對比性子空間的選取方法。首先給出了高對比性子空間的定義，然后通過比較屬性的邊緣概率和條件概率之間的偏差，基于統(tǒng)計學(xué)檢驗計算偏差值從而得到子空間的對比值。最后，通過參數(shù)的限制選取最終的具有高對比值的子空間。實驗結(jié)果表明，該算法可以有效地選擇合適的子空間。
　　 (3)提出了基于自適應(yīng)的高對比性子空間離群點檢測方法(AHiCS)。該算法包括相互獨立的兩個部分:高對比性子空間的選取和自適應(yīng)離群點得分