版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、對國內(nèi)外數(shù)據(jù)流離群數(shù)據(jù)挖掘研究情況分析可知,以往的挖掘算法還存在諸多問題。多數(shù)離群數(shù)據(jù)挖掘方法往往忽略了混合屬性數(shù)據(jù)流的分類屬性;簡單的分類屬性數(shù)據(jù)流離群數(shù)據(jù)挖掘由于沒有采用合理的加權(quán)思想,挖掘出的離群數(shù)據(jù)偏差較大。這些問題的研究對金融欺詐檢測、網(wǎng)絡(luò)入侵檢測、以及天氣預(yù)報等風(fēng)險控制領(lǐng)域具有重要的意義。
文中首先提出了一種混合屬性數(shù)據(jù)流離群點檢測算法 HDSOD,引入聚類參考存儲數(shù)據(jù)流的概要信息,先對數(shù)據(jù)流進(jìn)行分區(qū),對于每一分區(qū)
2、進(jìn)行聚類,將聚類結(jié)果存儲于聚類參考中,充分利用聚類參考的存儲信息計算其代表度,以及與其相鄰的聚類參考的個數(shù),判斷該聚類參考是否為離群參考對象,離群參考對象所代表樣本點為可能的離群點。該算法在有限內(nèi)存中有效的對混合屬性數(shù)據(jù)流進(jìn)行離群點檢測。
其次,提出了分類屬性數(shù)據(jù)流的離群數(shù)據(jù)挖掘方法 CFPOD-Stream。該算法定義了加權(quán)閉合頻繁模式離群因子,通過動態(tài)發(fā)現(xiàn)和維護(hù)頻繁閉項集來計算離群度,采用帶有衰減因子的查詢索引結(jié)構(gòu)來處理數(shù)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 混合屬性數(shù)據(jù)流的聚類算法研究及其應(yīng)用.pdf
- 數(shù)據(jù)流挖掘算法研究.pdf
- 數(shù)據(jù)流離群數(shù)據(jù)挖掘的研究與應(yīng)用.pdf
- 數(shù)據(jù)流容錯挖掘算法研究.pdf
- 數(shù)據(jù)流的頻繁模式挖掘算法研究.pdf
- 基于計數(shù)的數(shù)據(jù)流頻繁項挖掘算法研究.pdf
- 基于密度的離群數(shù)據(jù)挖掘算法研究.pdf
- 數(shù)據(jù)流混合屬性聚類算法研究.pdf
- 基于屬性相關(guān)分析的局部離群數(shù)據(jù)挖掘算法研究及其應(yīng)用.pdf
- 基于密度的數(shù)據(jù)流聚類挖掘算法.pdf
- 數(shù)據(jù)流頻繁模式挖掘算法的研究.pdf
- 基于數(shù)據(jù)流的頻繁項集挖掘算法研究.pdf
- 基于SPF的流數(shù)據(jù)離群點挖掘研究.pdf
- 數(shù)據(jù)流挖掘
- 基于滑動窗口的數(shù)據(jù)流關(guān)聯(lián)規(guī)則挖掘算法研究.pdf
- 基于滑動窗口的數(shù)據(jù)流頻繁模式挖掘算法研究.pdf
- 面向數(shù)據(jù)流挖掘算法的研究與改進(jìn).pdf
- 數(shù)據(jù)流閉合頻繁模式挖掘算法的研究.pdf
- 數(shù)據(jù)流頻繁項挖掘算法.pdf
- 面向混合屬性的數(shù)據(jù)與數(shù)據(jù)流聚類算法研究.pdf
評論
0/150
提交評論