分布式系统中离群数据间相似性挖掘研究.pdfVIP

分布式系统中离群数据间相似性挖掘¨ the SimilaritiesofoutIiersin Distributed Mim“g Systems 吉根林“2孙志挥2 (南京师范大学计算机系 南京210097)1 (东南大学计算机系 南京210096)。 AbstracI been researchhs doneon ofoutliered asintentional ofoutIlers Recently discovery patterlls knowledge lnadatabase．butthose arenotsuitablefordistrlbuted for algorithms systems．ThispaPer pr咖nt㈨algorithm the simi【aritie5of outllersofsiteshdistributed inan dls— mining sitesarefound syBtems．Firstly，outliers by幽e t曲ce—based setsofou￡jiers血a儿si把sare simila—ties aJg。rithm．Thenkn0卅edge ofout“ers mined．Finally，tk are the discoveredwith of andbehavioralsimilantiesoloutliersofaIlsites． heIpcatogorical Distributed ol Keywords outliers 8yster璐，Outlieredpatterns，Similarity 分别存放在分布式系统的n个站点中，属性集A一 1引言 离群数据(outlier)[11是指明显偏离其它数据、 标识属性，c称为状态属性，O称为观察属性。P+^一 不满足数据一般模式或行为、与存在的其它数据不 一致的数据。离群数据通常有两种：一种来源于测量 错误、计算机录入错误等，这些离群数据的发现有助 空间、状态变化子空间和观察子空间。 于纠正错误数据，从而提高数据分析结果的准确挂， 例如：设有电话通话数据库，A一{number， 另一种是数据模式的真实反映，如一些病人的奇怪 症状，电信中电话盗用记录等，这些离群数据可能比 一般数据所包含的信息更有价值，它的发现可以使 一{date)。 人们发现一些真实的出乎意料的知识。离群数据挖 定义2设xEA是任意给定的非空属性集，u 掘有着广阔的应用前景o]，其中包括：在进行数据分 是P+x中的对象集合，o∈u为离