基于相鄰關系的聚類和離群點檢測算法的研究.pdf

1、聚類分析和離群點檢測都是數(shù)據(jù)挖掘鄰域的主要研究方向之一。隨著信息技術(shù)在科學研究、生產(chǎn)管理及商務應用中的日益普及，聚類分析和離群點檢測在大量日常數(shù)據(jù)的挖掘分析中的重要地位也日漸顯現(xiàn)。本文通過對空間數(shù)據(jù)間的相鄰關系的深入研究，提出利用數(shù)據(jù)空間內(nèi)局部密度不同的特性，進行聚類分析和離群點檢測的算法，主要貢獻如下： 1．提出了一種新穎的基于相鄰關系的聚類算法——NBC算法。與傳統(tǒng)的基于密度的聚類算法使用全局密度門限值不同，該算法引入鄰基密

2、度系數(shù)的概念，對每個數(shù)據(jù)對象周圍的相對局部密度進行考察和度量。和以往的算法相比，NBC算法能夠更有效地識別出同一數(shù)據(jù)集中任意形狀、不同密度的簇，很好地解決了使以往算法失效的局部密度不均勻問題和多粒度問題。 2．提出了一種高效的基于相鄰關系的離群點檢測算法——NOF算法。該算法充分利用數(shù)據(jù)對象之間的相鄰關系來度量數(shù)據(jù)對象的孤立程度。與基于距離的方法相比，它解決了局部離群點不能被準確識別的問題；與基于密度的方法相比，它更簡練、直觀和