原文服务方: 计算机应用研究       
摘要:
基于子空间解决高维离群点挖掘的问题已经引起人们的广泛关注, 现有方法存在的主要问题是难以选取合适的子空间且选取计算量大、阈值等参数设置困难等。这些影响了检测精度和检测效率。利用高对比度子空间选取方法解决子空间选取问题, 利用自适应方法解决阈值参数的确定问题, 据此提出自适应的高对比性子空间离群点检测方法(AHiCS)。该方法利用统计检验算法选取高对比性子空间, 在高对比性的子空间里自适应计算离群点得分, 提高了离群点检测的精度与效率。理论和实验表明, 该方法可以有效地挖掘高维离群点。
推荐文章
高维空间中离群点检测算法研究
数据挖掘
离群点检测
高维数据
PSO算法
k均值算法
基于相关子空间的高维离群数据检测算法
数据挖掘
离群数据
稀疏度
高斯核函数
相似度因子
相关子空间
仿真实验
算法分析
基于地统计学的空间离群点检测算法的研究
地统计学
空间离群点
Delaunay三角网
局部Moran’I
基于离群点检测的鲁棒局部切空间排列方法
鲁棒
离群点
流形学习
局部切空间排列
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 基于自适应的高对比性子空间的高维离群点检测
来源期刊 计算机应用研究 学科
关键词 高维空间 离群点检测 子空间 高对比性 自适应得分
年,卷(期) 2013,(10) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2940-2943
页数 4页 分类号 TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2013.10.014
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 薛安荣 江苏大学计算机科学与通信工程学院 45 665 13.0 25.0
2 董国宾 江苏大学计算机科学与通信工程学院 2 4 1.0 2.0
3 赵保同 江苏大学计算机科学与通信工程学院 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (49)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(5)
  • 参考文献(1)
  • 二级参考文献(4)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
高维空间
离群点检测
子空间
高对比性
自适应得分
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导