首页 | 本学科首页   官方微博 | 高级检索  
     

离群点挖掘方法综述
引用本文:薛安荣,姚林,鞠时光,陈伟鹤,马汉达. 离群点挖掘方法综述[J]. 计算机科学, 2008, 35(11): 13-18
作者姓名:薛安荣  姚林  鞠时光  陈伟鹤  马汉达
作者单位:江苏大学计算机科学与通信工程学院,镇江,212013;江苏大学计算机科学与通信工程学院,镇江,212013;江苏大学计算机科学与通信工程学院,镇江,212013;江苏大学计算机科学与通信工程学院,镇江,212013;江苏大学计算机科学与通信工程学院,镇江,212013
基金项目:国家自然科学基金(60603041); 江苏省高校自然科学基金(05KJB520017)
摘    要:离群点挖掘可揭示稀有事件和现象、发现有趣的模式,有着广阔的应用前景,因此引起广泛关注。首先介绍离群点的定义、引起离群的原因和离群点挖掘算法的分类,对基于距离和基于密度的离群点挖掘算法进行了比较详细的讨论,指出了其优缺点和发展方向,重点对当前研究的热点——高维大数据量的挖掘、空间数据挖掘、时序离群点挖掘和离群点挖掘技术的应用进行了讨论,指出了进一步研究方向。

关 键 词:离群点挖掘  局部离群点  子空间  剪枝  空间离群点  高维数据  数据流

Survey of Outlier Mining
XUE An-rong,YAO Lin,JU Shi-guang,CHEN Wei-he,MA Han-da. Survey of Outlier Mining[J]. Computer Science, 2008, 35(11): 13-18
Authors:XUE An-rong  YAO Lin  JU Shi-guang  CHEN Wei-he  MA Han-da
Abstract:The identification of outliers can lead to the discovery of truly unexpected knowledge in areas such as electronic commerce,credit card fraud,and even the analysis of performance statistics of professional athletes.This survey provided a comprehensive overview of existing outlier mining techniques and summarized their features to help users choose,studied and improve algorithms for outlier mining.Studied the outlier mining techniques on high-dimensional data,spatial data and sequential data,pointed out the ...
Keywords:Outlier mining  Local outlier  Subspace  Pruning  Spatial outlier  High dimensional data  Sequential data  
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《计算机科学》浏览原始摘要信息
点击此处可从《计算机科学》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号