基于KNN-Join和SNN相似度的空间异常点检测算法.pdfVIP

计算机科学2008V01．35NQ．10A 基于KNN—Join和SNN相似度的空间异常点检测算法*’ 刘晓艳王丽珍 (云南大学信息学院 昆明650091) 摘要 空间异常点是和其空间邻域对象不一致的数据对象或者在数据集中远远偏离其他对象的那些小比例对 象。空间异常点的检测在地理信息系统和空间数据库的应用中都有着重要的意义。结合空间数据的特点对空问 异常点进行分类，并结合KNN-Join和SNN相似度为不同类别的空间异常点提出检测算法、对算法复杂性进行分 析，在检测出空间异常点的基础上统计分析空间异常点的成因。最后对三江并流地区珍稀植物数据进行了试验， 试验结果证明该文所提出的算法是有效可行的，不但可以从远距离空阍上检测到珍稀植物，还能把生长在同一个 空间区域内的但是类别不同的植物作为异常点检测出来。 关键词基于空间属性的异常点，基于非空间属性的异常点，KNN-Join，SNN相似度 for OutliersBasedOn andSNN AlgorithmSpatial KNN-Join Detecting Similarity IAU WANGLi—zhen Xiao-yan (SchoolofInformation，YunnanUniversity，Kunming650091，China) Al菇tractA outlierisan tObeinconsistentwiththeremainderofthatsetofdataorasmall Spatial objectappearing ofthedatasetwhodeviateSOmuchfromother outliersareclassifiedintotwodifferem percent observations．Spatial theircharacteristicsforwhicha basedOn andSNN is typesby KNN-Join Similarity detectingalgorithm proposed． Thenthetime ofeach is andsomere。asonsare to theSOcalledoutli— complexityalgorithmanalyzed givenexplainwhy ersarethem．Extensivearecarriedoutoiltealdatasets．andtheresults the anduseful— experiments provefeasibility ness ofthe thatcoulddetectthe outliersfarfromothersinthesamesetand proposedalgorithm spatial also小一．!- jects todifferent but atsamear瓯 bdonging categoriesgrowing Keywarfls outlier，KNN-Join，SNN Spatial—attribute-basedoutliers，Non-spatial—attribute-basedsimilarity 掘算法被提出，它们可