快速挖掘数据流中离群点

• 作者: 唐向红 李国徽 杨观赐
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 数据流 离群点检测 频繁模式 离群因子
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 软件与数据库技术
• 页码范围: 9-16
• 分类号: TP311
• 字数: 10827字
• 语种: 中文

摘要

离群点检测是数据挖掘领域的一个重要分支,当前数据流的离群点检测研究越来越受到关注.为了快速准确地检测出数据流中离群点,提出一种在线数据流离群点检测算法ODDS(outlier detection in online data streams).它利用数据与频繁模式的相异程度来度量数据的离群程度,通过构建ODDS-Tree树,能动态地更新数据流中候选离群点的离群信息.实验结果验证了该算法与其他同类算法相比具有较高的效率与优良的可扩展性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国徽	华中科技大学计算机科学与技术学院	108	1100	18.0	29.0
2	唐向红	华中科技大学计算机科学与技术学院	5	40	4.0	5.0
6	杨观赐	中国科学院成都计算机应用研究所	7	64	5.0	7.0