FODU:不确定数据集中快速离群点检测方法

• 作者: 朱斌 李冠宇 王习特 白梅 钟毓灵
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 离群点检测 不确定性数据 分层次划分 批量过滤
• 年，卷（期）: 2019,（19）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 105-114,140
• 页数: 11页
• 分类号: TP391
• 字数: 12390字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1807-0150

摘要

离群点检测是数据管理领域中的热点问题之一,在医疗诊断、金融诈骗、环境监测等领域中具有广泛的应用.目前,随着传感器等设备在数据采集方面的应用,人们发现数据的不确定性普遍存在.与确定性数据相比,挖掘出不确定数据集中潜在的富有价值的信息变得十分困难.针对上述问题,提出了一种快速的不确定离群点检测算法FODU(Fast Outlier Detection approach on Uncertain data sets).采用分层次划分思想给出了索引的构建策略,这种索引结构不仅克服了传统索引对多维数据管理的局限性,而且能够被快速地进行空间剪枝;为了快速地挖掘出不确定离群点,提出了高效的过滤方法.该方法通过批量过滤与单点过滤两个过程减少了大量的冗余计算,从而提高了检测效率,为了避免可能世界的空间膨胀,给出了数据对象离群概率值的计算方法.通过实验验证了所提算法的有效性,结果表明,相对于现有研究,该算法可以显著提高不确定离群点的检测效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李冠宇	大连海事大学信息科学技术学院	108	867	15.0	25.0
2	朱斌	大连海事大学信息科学技术学院	18	50	3.0	7.0
3	白梅	大连海事大学信息科学技术学院	8	2	1.0	1.0
4	王习特	大连海事大学信息科学技术学院	6	1	1.0	1.0
5	钟毓灵	大连海事大学信息科学技术学院	2	1	1.0	1.0