基于属性组权重的分类数据离群检测

属性分组是高维离群检测中的有效手段之一，可以有效缓解“维度灾难”的干扰，但现有的属性分组离群检测方法未能体现属性组之间的差异性，以及属性组的偏离程度，严重影响了高维离群检测的效果与性能。该文采用信息熵累加和刻画与描述属性组之间的差异性，提出了一种基于属性组权重的分类离群检测方法。首先，根据数据模式频率和编码长度，定义了属性组偏离因子，并将其作为属性组之间的合并依据，有效地刻画了属性组的偏离程度，进一步提高了属性分组过程中的搜索效率；其次，利用信息熵累加和定义了属性组权重，有效地体现了不同属性组之间的差异性；然后，依据属性组权重，重新定义了离群得分函数，并提出了一种基于属性组权重的分类数据离群检测算法；最后，采用UCI,NTU,KEEL和人工合成数据集，实验验证了该离群检测算法不仅具有较高的检测精度和效率，而且也具有良好的可扩展性与伸缩性，可适用于高维海量分类属性数据集的离群检测任务。