一种基于聚类和快速计算的异常数据挖掘算法.pdfVIP

第39卷第8期 计算机工程 2013年8月 2013 、，01．39 No．8 ComputerEngineering August 文■标识码：A 中圈分类号ITP3ll ·先进计算与数据处理· 文章编号：100m_3428(2013)o珈060珈4 一种基于聚类和快速计算的异常数据挖掘算法 盂静，吴锡生 (江南大学物联网工程学院，江苏无锡214122) 摘要：传统局部离群因子(LoF)算法在动态增量数据库环境下，进行二次异常数据挖掘需重新计算所有数据对象局部偏离因子， 存在效率较低的问题。为此，提出一种基于聚类和快速计算的异常数据挖掘算法。对传统DBscAN算法进行改进，并且在该改进 算法聚类的基础上，仅对部分数据对象计算局部偏离因子。实验结果表明，该算法在动态增量数据库环境下，与LOF与lncLOF 算法相比，不仅计算时间效率高，而且能提高挖掘异常数据的精度。 关麓词：动态增量数据库；局部离群因子算法；1ncLOF算法；DBscAN算法；聚类 AnOutlierData MiningAlgorithm Basedon and Calculation Rapid Clustering MENG Jing，WUXi-sheng ofImemet 214122，China) (college oflllin黟Engineering，jiangIIanUniVersi吼wuXi traditionalLocalOutlier needrecalculatethelocaloutlierfactorsoftheallofdatawhendoesthe IAbstract】The Factor(LOF)algorithm secondoutlier in incrementaldatabaseenVironment．This anoutlier basedon miningdynamic paperproposes miningalgoritllm clustering and calculation．ItthetraditionalDBSCAN the DBSCAN tofoHnasetof mpid improVes algorithm，usesimpmved algorithm clusters，and the outlier of area better local factorsthe which of resultsshowthatthis computes objects partdataset．Experimental algoritllIIlperfonTls thanLOFandlncLOF not inthetime bm the of also outliers． algorithmonly consuming accuracymining incremental O