作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种新的基于Voronoi图的异常检测方法.采用Voronoi图来确定对象间的邻近关系,定义了一种新的异常因子,算法的时间复杂性为O(nlogn).实验结果表明,同现有的算法相比具有较高的检测效率和准确性.
推荐文章
基于Voronoi图的异常检测算法
数据挖掘
异常检测
基于密度
Voronoi图
基于Voronoi图的定性路径
定性空间推理
Voronoi图
定性路径
Voronoi图的构建与查询方法
Voronoi图
Delaunay三角网
最近邻
近邻对
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于Voronoi图的高效异常检测方法
来源期刊 计算机工程与应用 学科 工学
关键词 数据挖掘 异常检测 Voronoi图
年,卷(期) 2008,(3) 所属期刊栏目 数据库与信息处理
研究方向 页码范围 178-179
页数 2页 分类号 TP391
字数 2089字 语种 中文
DOI 10.3778/j.issn.1002-8331.2008.03.056
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 曲吉林 山东财政学院计算机与信息工程学院 20 253 8.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (4)
同被引文献  (6)
二级引证文献  (0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
异常检测
Voronoi图
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导