一种基于改进KNN的大数据离群点检测算法

• 作者: 杜金燃 秦科 谢家全 黄建理
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 大数据 KNN 降维 属性重叠率 剪枝
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 67-70,75
• 页数: 5页
• 分类号: TP311
• 字数: 3578字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.05.013

摘要

针对KNN算法在大数据离群点检测领域中难以处理高维数据和时间复杂度过高的这2个缺点,提出一种基于AOR(属性重叠率)的分类方法,并对KNN算法进行改进.首先对数据进行基于AOR的降维处理,使得数据可处理维度大大增加,然后对传统的KNN算法进行剪枝改进,减少了大量的无效计算.实验结果表明,本文算法对维度高、容量大的大数据样本在运行效率、准确度等方面有较大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄建理	南方电网科学研究院有限责任公司智能电网研究所	2	6	1.0	2.0
2	杜金燃	南方电网科学研究院有限责任公司智能电网研究所	2	6	1.0	2.0
3	谢家全	南方电网科学研究院有限责任公司智能电网研究所	1	5	1.0	1.0
4	秦科	南方电网科学研究院有限责任公司智能电网研究所	1	5	1.0	1.0