首页 | 本学科首页   官方微博 | 高级检索  
     

离群数据挖掘综述
引用本文:黄洪宇,林甲祥,陈崇成,樊明辉. 离群数据挖掘综述[J]. 计算机应用研究, 2006, 23(8): 8-13
作者姓名:黄洪宇  林甲祥  陈崇成  樊明辉
作者单位:福州大学,福建省空间信息工程研究中心,数据挖掘与信息共享教育部重点实验室,福建,福州,350002;福州大学,福建省空间信息工程研究中心,数据挖掘与信息共享教育部重点实验室,福建,福州,350002;福州大学,福建省空间信息工程研究中心,数据挖掘与信息共享教育部重点实验室,福建,福州,350002;福州大学,福建省空间信息工程研究中心,数据挖掘与信息共享教育部重点实验室,福建,福州,350002
基金项目:福建省青年科技人才创新基金;福建省教育厅科研项目
摘    要:通过对当前有代表性的离群数据挖掘算法的分析和比较,总结了各算法的特性及优缺点,为使用者选择、学习、改进算法提供了依据。此外,针对高维数据和空间数据中离群检测的特殊性,在现有算法的基础上,分析了高维数据和空间数据离群检测需要注意的一些问题,以便于研究者提出新的有效的算法。

关 键 词:数据挖掘  离群检测  异常  高维离群
文章编号:1001-3695(2006)08-0008-06
收稿时间:2005-09-14
修稿时间:2005-09-142005-11-14

Review of Outlier Detection
HUANG Hong yu,LIN Jia xiang,CHEN Chong cheng,FAN Ming hui. Review of Outlier Detection[J]. Application Research of Computers, 2006, 23(8): 8-13
Authors:HUANG Hong yu  LIN Jia xiang  CHEN Chong cheng  FAN Ming hui
Affiliation:(Key Laboratory of Data Mining & Information Sharing of Ministry of Education, Spatial Information Research Center of Fujian, Fuzhou University, Fuzhou Fujian 350002, hina)
Abstract:This paper compared and analyzed major outlier detection algorithms. Their features were summarized to help users choose, study and improve algorithm for outlier detection. Attention was paid to high-dimensional data and spatial data because of their unique data structures as better and efficient algorithm is needed to deal with these types of data.
Keywords:Data Mining   Outliers Detection   Exception   High-Dimension Outliers
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《计算机应用研究》浏览原始摘要信息
点击此处可从《计算机应用研究》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