基于高維稀疏數(shù)據(jù)的離群聚類方法研究.pdf

1、隨著數(shù)據(jù)庫(kù)與信息技術(shù)的迅猛發(fā)展，數(shù)據(jù)成為一種至關(guān)重要的財(cái)富，如何發(fā)現(xiàn)隱藏在這些錯(cuò)綜復(fù)雜的數(shù)據(jù)集中的潛在有用的知識(shí)，并且如何對(duì)這些知識(shí)加以利用，成為了人們研究和關(guān)注的熱點(diǎn)。
　　 數(shù)據(jù)庫(kù)中包含一些數(shù)據(jù)對(duì)象，它們與大多數(shù)數(shù)據(jù)的一般行為或模型不一致，這些數(shù)據(jù)對(duì)象被稱作離群點(diǎn)，通常也可被稱為偏離點(diǎn)、孤立點(diǎn)、噪音、異常點(diǎn)等。絕大多數(shù)的數(shù)據(jù)挖掘算法把離群點(diǎn)視為異?；蛟肼暥鴣G棄，然而在一些實(shí)際應(yīng)用中，罕見(jiàn)事件比正常出現(xiàn)的事件更具有研究?jī)r(jià)值。目

2、前針對(duì)離群點(diǎn)進(jìn)行的研究主要是離群數(shù)據(jù)挖掘，其目的大多是為了去除離群點(diǎn)而獲得較好的聚類效果。較少涉及對(duì)離群點(diǎn)進(jìn)行深入地分析，比如找出數(shù)據(jù)離群的原因以及離群特征等。因此，對(duì)離群點(diǎn)進(jìn)行更深入地分析是用戶針對(duì)異常問(wèn)題進(jìn)行決策的前提條件。
　　 本文在歸納總結(jié)了高維數(shù)據(jù)聚類的國(guó)內(nèi)外發(fā)展現(xiàn)狀和離群聚類的研究現(xiàn)狀基礎(chǔ)上，分析其存在的重點(diǎn)和難點(diǎn)，針對(duì)離群子空間的搜索方法和基于子空間的聚類算法進(jìn)行了重點(diǎn)研究。
　　 首先，針對(duì)離群子空間搜

3、索NP(Nondeterministic Polynomial)難的問(wèn)題，本文依據(jù)冪圖在擴(kuò)展過(guò)程中的剪枝策略，實(shí)現(xiàn)了一種基于冪圖的子空間搜索算法。將對(duì)冪圖的擴(kuò)展看作是對(duì)子空間的搜索，僅擴(kuò)展剪枝后的冪圖，該方法不僅避免了對(duì)大量子空間的遍歷，同時(shí)也減少了所需要的存儲(chǔ)空間。
　　 其次，為了能夠?qū)γ總€(gè)離群點(diǎn)的離群含義進(jìn)行解釋，并且對(duì)不同類的離群數(shù)據(jù)的離群原因進(jìn)行分析，本文對(duì)基于超圖模型的聚類算法進(jìn)行了改進(jìn)。從超圖構(gòu)造和評(píng)估函數(shù)兩方面出