一种适宜于子空间聚类的离群点检测算法

• 作者: 何军 张旭东 杨维永 郑生军
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 大数据处理 离群点检测 子空间聚类
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 39-42
• 页数: 4页
• 分类号: TP312
• 字数: 3238字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2015.12.008

摘要

大数据处理面临数据信息缺失、信息杂乱、数据污染等诸多挑战,而离群点的检测与剔除是大数据分析中一个重要的预处理过程.本文针对数据分析中的子空间聚类问题,在数据受到离群点污染的情况下,基于离群点稀疏性的先验知识,对经典的k-subspace子空间聚类算法融入e1范数正则化,并采用随机梯度下降优化方法进行子空间聚类,以克服大数据处理计算量大和内存需求高的困难.通过数值仿真,本文方法能够保证在数据受到严重离群点污染的条件下,可以精确检测并剔除离群异常数据,从而获得准确的子空间聚类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何军	南京信息工程大学电子与信息工程学院	24	185	9.0	13.0
2	郑生军		9	40	3.0	6.0
3	杨维永		5	11	2.0	3.0
4	张旭东		5	18	2.0	4.0