| 一种高效的高维异常数据挖掘算法 |
| |
| 引用本文： | 李昕,钱旭,王自强.一种高效的高维异常数据挖掘算法[J].计算机工程,2010,36(21):34-36. |
| |
| 作者姓名： | 李昕 钱旭 王自强 |
| |
| 作者单位： | (中国矿业大学(北京)机电与信息工程学院，北京 100083) |
| |
| 基金项目： | 教育部科学技术研究基金重点资助项目 |
| |
| 摘 要： | 针对高维异常数据的挖掘问题，提出一种基于最大间隔准则和最小最大概率机的高维异常数据挖掘算法。利用最大间隔准则算法将高维数据投影到低维特征空间，再利用最小最大概率机进行异常数据的挖掘。实验结果表明，该算法检测准确率较高。
|
| 关 键 词： | 异常数据 最大间隔准则 最小最大概率机 数据挖掘 |
Efficient Data Mining Algorithm for High-dimensional Outlier Data |
| |
| LI Xin,QIAN Xu,WANG Zi-qiang.Efficient Data Mining Algorithm for High-dimensional Outlier Data[J].Computer Engineering,2010,36(21):34-36. |
| |
| Authors: | LI Xin QIAN Xu WANG Zi-qiang |
| |
| Affiliation: | (College of Mechanical Electronic and Information Engineering, China University of Mining and Technology(Beijing), Beijing 100083, China) |
| |
| Abstract: | To effectively cope with data mining problem for high-dimensional outlier data, a novel outlier data mining algorithm based on Maximum Margin Criterion(MMC) and MiniMax Probability(MMP) machine is proposed. The high dimensional data sets are first projected into lower-dimensional feature space by using MMC algorithm, and MMP machine is adopted to mine outlier data. Experimental results show that the proposed algorithm is feasible and has higher detection accuracy. |
| |
| Keywords: | outlier data Maximum Margin Criterion(MMC) MiniMax Probability(MMP) machine data mining |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载全文 |
