子空間孤立點(diǎn)檢測(cè)算法研究.pdf

1、孤立點(diǎn)檢測(cè)是數(shù)據(jù)挖掘的一個(gè)重要研究方向，隨著其應(yīng)用范圍的不斷擴(kuò)大，傳統(tǒng)的孤立點(diǎn)檢測(cè)算法遇到了一個(gè)最大的障礙，不適應(yīng)高維數(shù)據(jù)的特性。研究人員對(duì)此給出了幾種解決方法，其中子空間挖掘是解決高維數(shù)據(jù)挖掘的一種有效方法。目前提出的子空間孤立點(diǎn)檢測(cè)算法還存在很多問(wèn)題，如算法的檢測(cè)精度低，參數(shù)難以設(shè)置等。本文主要針對(duì)以上問(wèn)題，對(duì)子空間孤立點(diǎn)檢測(cè)算法進(jìn)行了研究。
　　首先，介紹了基于軸平行子空間的孤立點(diǎn)檢測(cè)算法SOD，針對(duì)該算法中的兩點(diǎn)不足，提出

2、一種改進(jìn)算法。一方面通過(guò)對(duì)每一維的聚集度進(jìn)行量化，確定各維的參考價(jià)值，從而降低了算法結(jié)果對(duì)參數(shù)設(shè)定的敏感度。另一方面利用相對(duì)距離表示各點(diǎn)到中心值的偏離度，從而更利于不同密度子空間下的孤立點(diǎn)檢測(cè)。
　　其次，針對(duì)現(xiàn)實(shí)數(shù)據(jù)集中聚類(lèi)個(gè)數(shù)的未知性，結(jié)合基尼熵提出一種基于基尼熵的相關(guān)子空間選擇方法，并給出相關(guān)子空間孤立程度定義，在此基礎(chǔ)上提出了基于相關(guān)子空間的孤立點(diǎn)檢測(cè)算法RSOD。該算法降低了對(duì)數(shù)據(jù)集先驗(yàn)知識(shí)的要求，不受數(shù)據(jù)集中聚類(lèi)個(gè)數(shù)的