基于属性聚类的离群数据挖掘算法

• 作者: 张继福 李俊丽
• 来源期刊: 中北大学学报（自然科学版）
• 学科: 工学
• 关键词: 高维数据 分类数据 离群挖掘 属性聚类
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 自动化与计算机
• 页码范围: 310-315
• 页数: 6页
• 分类号: TP311.13
• 字数: 4173字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3193.2018.03.011

摘要

针对现实生活中出现的越来越多的高维海量分类数据,基于属性聚类的方法,提出了一种新的离群数据挖掘算法.该算法首先通过计算属性之间的相关性,将高维分类数据的属性分成多个属性子集,然后在多个属性子集上根据离群得分分别进行离群挖掘,最终选择离群得分最大的k个数据对象作为离群数据.通过采用人工数据集和 UCI 数据集验证了算法的有效性和可行性,实验结果表明,该算法在精度和效率方面都有提高,可用于高维海量分类数据的离群挖掘.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张继福	太原科技大学计算机科学与技术学院	94	600	14.0	20.0
2	李俊丽	太原科技大学计算机科学与技术学院	3	52	2.0	3.0