基于NGID.docVIP

　　基于NGID 第 1 章 绪论 1.1课题研究的背景与意义 随着互联网技术、宽带无线接入技术的飞速发展和智能终端的广泛普及，人们迫切希望能够随时随地乃至在移动过程中都能方便地从互联网获取信息、应用和服务，移动互联网应运而生并迅速发展，正以无处不在的网络、无所不能的业务的思想改变着人们的工作、生活方式[1]。通过移动客户端，人们可以进行信息搜索、购物、支付、理财、旅行预订、团购、即时通信、游戏、视频等，获取和交换信息变得异常容易。2014 年 4G 业务正式商用，移动运营商加快 4G 网络建设，4G 的到来使移动网游、高清视频会议、3D 导航等适用于大宽带移动网络下的应用逐步得以使用，并将带动移动互联网创新的热潮。据统计，截止到 2014 年年初，全世界超过一半的人拥有一部，全球独立用户超过 36 亿[2]。在国内，中国互联网络信息中心(NIC)出版了第 34 次《中国移动互联网调查研究报告》，报告指出截至 2014 年 6月，中国网民规模达到 5.27 亿，占总体网民数量的 83.4%，移动互联网普及率接近 40%。网民上网设备中，以 83.4%的使用率首次超越传统 PC 的 80.9%，成为我国第一大上网终端，智能网民规模达 4.8 亿，在网民中占比达 91.1%，智能成为我国移动互联网发展的重要载体[3]。伴随着移动网络、智能终端的发展，与移动互联网应用和位置相关的服务是移动互联网发展的重要特点之一。基于位置的服务(Location-based Service, LBS)是指移动终端利用定位技术(卫星定位、网络定位、感知定位)获得当前位置信息，再通过无线网络得到某项服务[4]。 .. 1.2国内外研究现状 离群点就是明显偏离数据集中其它数据对象，与存在的其它数据很不一致的数据。离群点挖掘是为了发现离群点从而获得潜在的有价值信息。离群点分析涉及智能计算、可视化、机器学习、数据仓库等多种学科和技术，并广泛的应用于数据清洗、灾害预警、欺诈检测、医疗分析、商业营销、文本检测等方面。由于离群点可能蕴含重要知识，发现、分析和处理离群数据一直是数据挖掘领域中的研究热点，近几年来取得了多项成果。国内外学者已经提出了大量的离群点检测方法，如：基于统计的检测方法[10]、基于深度的检测方法[11]、基于距离的检测方法[12]、基于密度的检测方法[13]、基于聚类的检测方法[14]以及由上面算法相结合或改进而出现的用于解决高维数据的离群点检测方法[15]和针对空间数据出现的空间离群点检测方法[16]等。近年来人工智能、模式识别、机器学习的研究促进了离群点领域的进展，相应的提出了新颖的检测技术，如基于人工神经网络的离群点检测方法[17]、基于流形学习的离群点的挖掘方法[18]，基于自组织映射技术的离群点检测方法[19]、基于模糊粗糙集技术的离群点检测方法[20]等。目前，离群点检测技术通过相关应用的开发已经成功应于各大实际项目中，如专用于离群点检测的软件 DBminer[21]，可以通过使用关联规则挖掘和序列检测算法从海量的复杂业务记录中找出离群信息；保险、金融等行业为用户提供自动化欺诈侦测工具 CleverPath；信用卡欺诈估测系统 Falcon；发现可疑金融交易行为的反洗钱检测系统 FAIS、AML 等。同时国内也已成功的将离群点检测技术应用到了一些实际场景：潘瑜春等将离群点检测成功的应用于土壤养分空间的变异分析[22]、陈庄等应用于工业控制系统中异常检测[23]、徐琰等人用于高校能耗监控系统中[24]、张可佳等应用于传感器网络中失效 AP 的检测、孙奇等用于网络入侵检测、薛安荣将离群点检测算法成功应用于隐私保护等等。 .. 第 2 章 离群点分析与平面点集最小包围 2.1 离群点分析 信息时代的来临，各种类型数据的总量以指数级速度增长，每天来自商业、社会、科学和工程、医疗及我们日常生活的方方面面的数 TB 甚至数 PB 级的数据注入到网络和各种存储设备，数据的存储因存储技术的发展和硬件的更新而得到较好的解决，然而数据爆炸但知识贫乏问题越来越突出。如难于发现大数据背后有价值的东西、难于分辨信息的真伪、难于处理海量数据、难于统一信息的表示形式，难于保证信息的安全等。数据挖掘(Data Mining，DM) 的提出正是为了解决人们在智能信息处理领域遇到的瓶颈，其定义为从大量的、有噪声的、不完全的、随机的和模糊的数据中抽取出有用的、新颖的、有效的、和潜在的最终可以理解的知识的非平凡过程[31]。数据挖掘旨在挖掘隐藏在海量数据背后的知识，通过对知识的提炼和分析为决策提供可靠支持。数据挖掘通常分为四大类：类的描述，类的判定，相关、依赖关系发现，离群数据挖掘[32]。前三类主要针对数据集中常规数据的知识发现，离群点挖掘在于检测并分析隐含在数据中异常