基于MapReduce与距离的离群数据并行挖掘算法

• 作者: 任燕
• 来源期刊: 计算机系统应用
• 关键词: MapReduce 基于距离 KNN 离群数据挖掘
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 151-156
• 页数: 6页
• 字数: 3562字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3254.2018.02.025

摘要

数据挖掘技术是解决数据丰富而知识贫乏的有效途径, 离群数据挖掘是数据挖掘领域中的重要研究内容之一, 己广泛应用于网络入侵检测, 信用卡诈骗, 垃圾邮件的分析和基因突变分析等领域. 在高维海量数据中, 由于数据量大和维度高, 严重影响了离群数据挖掘的精度和效率. 本文在KNN基础上, 通过定义"解集"的概念, 在MapReduce编程环境下, 实现了一种基于距离的离群数据挖掘算法. 分别采用人工数据集和UCI数据集, 实验验证了该算法在不同条件下, 参数对算法性能的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任燕		5	5	1.0	2.0