一种基于聚类和快速计算的异常数据挖掘算法

• 作者: 吴锡生 孟静
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 动态增量数据库 局部离群因子算法 lncLOF算法 DBSCAN算法 聚类
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 60-63,68
• 页数: 5页
• 分类号: TP311
• 字数: 5603字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2013.08.012

摘要

传统局部离群因子(LOF)算法在动态增量数据库环境下,进行二次异常数据挖掘需重新计算所有数据对象局部偏离因子,存在效率较低的问题.为此,提出一种基于聚类和快速计算的异常数据挖掘算法.对传统DBSCAN算法进行改进,并且在该改进算法聚类的基础上,仅对部分数据对象计算局部偏离因子.实验结果表明,该算法在动态增量数据库环境下,与LOF与lncLOF算法相比,不仅计算时间效率高,而且能提高挖掘异常数据的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴锡生	江南大学物联网工程学院	81	560	14.0	18.0
2	孟静	江南大学物联网工程学院	2	27	2.0	2.0