不确定数据基于密度的局部异常点检测_曹科研.pdfVIP

网络出版时间：2016-05-10 14:56:54 网络出版地址：/kcms/detail/11.1826.TP1456.004.html 第 39 卷 计 算 机 学 报 Vol.39 2016 论文在线出版号 No.92 CHINESE JOURNAL OF COMPUTERS Online Publishing No.92 不确定数据基于密度的局部异常点检测* 曹科研 1) 栾方军 1) 孙焕良 1) 丁国辉 2) 1)(沈阳建筑大学信息与控制工程学院 沈阳 110168) 2)(沈阳航空航天大学计算机学院 沈阳 110136) 摘要 不确定数据作为一种新型的数据模型，被广泛应用于金融、基于位置的服务、移动物体监测、传感器网络等许多类型 应用领域。近年来出现的面向不确定数据的分析处理技术已成为数据库、数据挖掘等领域的研究热点。许多传统的数据挖 掘技术已经被扩展并应用到不确定数据的分析和管理，异常点检测是数据挖掘领域重要的技术，用来发现行为或特征不同 于其它对象的数据对象。当数据对象的性质和行为明显区别于它的近邻时，则被为视为异常点。异常点检测在许多方面有 着广泛的应用，如网络入侵检测、信用卡诈骗、环境监测等。本文研究不确定数据基于密度的局部异常点检测，每个不确 定数据由几个离散的可能实例组成。首先，出了基于特定不确定数据模型的局部异常点定义。为了能够快速的检测局部 异常点，在不展开可能世界的前下，出了基础算法 UDOL(Uncertain Density-based Local Outlier) 。然后，又出在不精 确计算概率的情况下，通过估计局部异常点因子的检测算法 PUDOL(Pruning on Uncertain Density-based Local Outlier) ，可以 有效的减少计算量。最后，通过大量的实验验证本文出算法的性能。实验结果证明，本文所出的算法是解决不确定数 据基于密度的局部异常点检测的有效方法。 关键词 不确定数据；异常点；可能世界；概率；密度 中图法分类号 TP391 论文引用格式 曹科研,栾方军,孙焕良,丁国辉, 不确定数据基于密度的局部异常点检测,2016 ，Vol.39 ：在线出版号No.92 CAOKe-Yan,LUAN Fang-Jun,SUN Huan-Liang,DING Guo-Hui, Density-based Local Outlier Detection onUncertain Data ,Vol.39: Online Publishing No.92 Density-based Local Outlier Detection onUncertain Data * CAOKe-Yan1) LUAN Fang-Jun1) SUN Huan-Liang1) DING Guo-Hui2) 1)(Department ofInformation and Control Engineering , Shenyang JianzhuUniversity, Shenyang,110136) * 2)(Department ofComputer , Shenyang Aerospace University, Shenyang, 110819)* Abstract As a