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:
在基于信息熵的离群点检测算法的基础上,提出一种适用于动态数据环境的检测算法.该算法在有数据对象插入或删除的时候,不必计算所有数据对象的相对离群点因子(ROF)值,而只需重新计算受影响的点的ROF值.实验结果表明,该算法在动态数据环境下的运行时间小于原来的算法.
推荐文章
基于分化距离的离群点检测算法
离群点检测
分化距离
分化度
友邻点
异构分布式环境中的并行离群点检测算法
离群点检测
异构分布式
网格
数据划分
基于聚类划分的两阶段离群点检测算法
层次聚类
K-均值
信息熵
距离和
离群点检测
基于多示例学习的时序离群点检测算法研究
机器学习
时序离群点
多示例学习
聚类
平均因子
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 动态数据环境下基于信息熵的相对离群点检测算法
来源期刊 计算机应用 学科 工学
关键词 动态数据环境 信息熵 离群点检测 局部离群因子
年,卷(期) 2010,(5) 所属期刊栏目 数据挖掘与人工智能
研究方向 页码范围 1284-1286
页数 分类号 TP311
字数 2871字 语种 中文
DOI
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 孙浩 重庆邮电大学移通学院 6 19 3.0 3.0
2 何晓红 重庆邮电大学生物信息学院 26 82 4.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (108)
参考文献  (4)
节点文献
引证文献  (3)
同被引文献  (4)
二级引证文献  (1)
1948(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(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
动态数据环境
信息熵
离群点检测
局部离群因子
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
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导