基于多重聚類的局部離群點(diǎn)檢測(cè)算法研究.pdf

1、基于多重聚類的局部離群點(diǎn)檢測(cè)算法研究重慶大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：劉海波指導(dǎo)教師：古平副教授專業(yè)：計(jì)算機(jī)軟件與理論學(xué)科門類：工學(xué)重慶大學(xué)計(jì)算機(jī)學(xué)院二O一三年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要近年來，隨著現(xiàn)代科學(xué)技術(shù)與信息技術(shù)的飛速發(fā)展，積累了隱藏著有價(jià)值信息的海量數(shù)據(jù)。為了充分利用這些數(shù)據(jù)，數(shù)據(jù)挖掘技術(shù)成為一個(gè)重要的研究領(lǐng)域。數(shù)據(jù)挖掘的主要功能是從大量的、完整性不足的的數(shù)據(jù)集中，找出人們無法預(yù)知的、但又極具價(jià)值的知識(shí)。離

2、群點(diǎn)檢測(cè)是數(shù)據(jù)挖掘的一個(gè)非常重要的研究分支，其主要功能是從龐大的而復(fù)雜的數(shù)據(jù)集中提取與主流數(shù)據(jù)（正常數(shù)據(jù)）有著極大區(qū)別同時(shí)又屬于極少數(shù)的數(shù)據(jù)。離群點(diǎn)檢測(cè)在人們的生產(chǎn)生活中有著非常廣泛的應(yīng)用，如醫(yī)療診斷分析、氣象研究等。目前研究人員已經(jīng)提出了大量的離群點(diǎn)檢測(cè)算法。如，基于聚類的離群點(diǎn)檢測(cè)算法，基于統(tǒng)計(jì)的離群點(diǎn)檢測(cè)算法等。然而現(xiàn)有的大多數(shù)離群點(diǎn)檢測(cè)算法都具有時(shí)間復(fù)雜度高的缺點(diǎn)。于是，研究學(xué)者們又開發(fā)了許多改善算法性能的技術(shù)，如，剪枝技術(shù)。剪

3、枝非離群點(diǎn)可以減小目標(biāo)數(shù)據(jù)集的大小，從而有效降低算法的時(shí)間復(fù)雜度。本文為了改進(jìn)LDOF算法的缺點(diǎn)，提出了一個(gè)基于多重聚類的局部離群點(diǎn)檢測(cè)算法PMLDOF。該算法既可以降低離群點(diǎn)檢測(cè)的時(shí)間復(fù)雜度，又可以避免剪枝過程中對(duì)離群點(diǎn)的錯(cuò)剪，同時(shí)通過剪枝大量非離群點(diǎn)降低了檢測(cè)精度對(duì)最近鄰參數(shù)k的敏感性。具體而言，本文的主要研究工作如下：①介紹了離群點(diǎn)檢測(cè)的研究背景及離群點(diǎn)檢測(cè)的國(guó)內(nèi)外研究現(xiàn)狀。②對(duì)離群檢測(cè)進(jìn)行了較為詳細(xì)的分析，總結(jié)了各種算法的核心思

4、想和各自的適用范圍。全面系統(tǒng)地介紹了集成學(xué)習(xí)，重點(diǎn)討論了集成學(xué)習(xí)的核心思想和所用的相關(guān)技術(shù)。③為了改進(jìn)局部離群點(diǎn)檢測(cè)算法LDOF時(shí)間復(fù)雜度高和對(duì)最近鄰參數(shù)k的敏感的缺點(diǎn)，提出了基于DBSCAN剪枝的局部離群檢測(cè)算法PLDOF。但是，PLDOF卻存在錯(cuò)誤剪枝離群點(diǎn)的缺點(diǎn)。為了克服此缺點(diǎn)，本文引入了多重聚類的思想，利用多重聚類可以對(duì)簇的邊緣稀疏區(qū)域進(jìn)行篩選處理的特點(diǎn)，提出一種基于多重聚類的局部離群點(diǎn)檢測(cè)算法PMLDOF。④在對(duì)多重聚類進(jìn)行集