高维空间中的离群点发现

• 作者: 周傲英 宫学庆 钱卫宁 魏藜
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 数据挖掘 离群点 超图模型 聚类
• 年，卷（期）: 2002,（2）
• 页码范围: 280-290
• 页数: 11页
• 分类号: TP311
• 字数: 8763字
• 语种: 中文

摘要

在许多KDD(knowledge discovery in databases)应用中,如电子商务中的欺诈行为监测,例外情况或离群点的发现比常规知识的发现更有意义.现有的离群点发现大多是针对数值属性的,而且这些方法只能发现离群点,不能对其含义进行解释.提出了一种基于超图模型的离群点(outlier)定义,这一定义既体现了"局部"的概念,又能很好地解释离群点的含义.同时给出了HOT(hypergraph-based outlier test)算法,通过计算每个点的支持度、隶属度和规模偏差来检测离群点.该算法既能够处理数值属性,又能够处理类别属性.分析表明,该算法能有效地发现高维空间数据中的离群点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宫学庆	复旦大学计算机科学与工程系	9	224	5.0	9.0
2	周傲英	复旦大学计算机科学与工程系	79	5708	32.0	75.0
3	钱卫宁	复旦大学计算机科学与工程系	7	1057	7.0	7.0
4	魏藜	复旦大学计算机科学与工程系	3	244	2.0	3.0