基于密度的局部離群點檢測算法分析與研究.pdf

1、近年來，隨著計算機技術(shù)及數(shù)據(jù)庫技術(shù)的飛速發(fā)展，數(shù)據(jù)挖掘技術(shù)得到了快速發(fā)展并廣泛地應用于各個領(lǐng)域中。數(shù)據(jù)挖掘，即從有噪聲的、大量的數(shù)據(jù)中，提取出人們事先未知卻又有潛在價值的知識；離群點挖掘作為數(shù)據(jù)挖掘領(lǐng)域中的一個重要而活躍分支，它用于從數(shù)據(jù)集中找出明顯偏離其他數(shù)據(jù)對象、或不滿足一般對象行為特征的對象。目前，離群數(shù)據(jù)挖掘廣泛地應用于諸多領(lǐng)域，如電信話費欺詐分析、信用卡欺詐檢測、網(wǎng)絡(luò)攻擊行為檢測及極端天氣氣象預報等。
　　 離群點挖掘

2、技術(shù)最早運用于數(shù)據(jù)統(tǒng)計分析領(lǐng)域，利用統(tǒng)計分布等相關(guān)知識檢測離群點，形成了早期的基于統(tǒng)計分布的離群點挖掘技術(shù)；而后，諸多專家學者提出了多種經(jīng)典的離群點檢測方法，有基于偏差的檢測方法、基于距離的檢測方法及基于密度的檢測方法等；這些方法在一定程度上，能檢測出適用本身算法的異常數(shù)據(jù)對象，然而均存在一些不足和缺陷，如檢測效率低、檢測精度不高、參數(shù)的設(shè)置依賴用戶的先驗知識及在高維大數(shù)據(jù)集中適用性差等。本文針對各種離群點檢測方法的局限性，提出了改進的

3、基于方形對稱鄰域和記憶效應的局部離群點檢測算法SSMOD；具體而言，本文所作的工作主要包括以下幾個方面：
　　 ①分析研究離群數(shù)據(jù)挖掘的背景和意義，探討國內(nèi)外研究現(xiàn)狀。
　　 ②系統(tǒng)而全面地分析各經(jīng)典的離群點挖掘方法，重點闡述基于統(tǒng)計分布的、基于深度的、基于偏差的、基于聚類的和基于距離的檢測方法；對各種代表性算法的優(yōu)點和缺點進行分析和比較，介紹離群數(shù)據(jù)挖掘的研究熱點及發(fā)展趨勢。
　　 ③基于已有的各種經(jīng)典算法，如

4、LOF、NDOD算法等，提出了改進的基于方形對稱鄰域和記憶效應的局部離群點檢測算法SSMOD，并利用新的度量方式評估對象的離群程度及引入記憶效應思想，大大降低算法復雜度。
　　 ④從理論分析和實驗測試的角度分別評估算法SSMOD，并探討初始參數(shù)對檢測結(jié)果的影響；比較和分析算法在低維和高維空間中的檢測效率及檢測精度。
　　 ⑤總結(jié)本文所作的研究工作，對離群數(shù)據(jù)挖掘的發(fā)展趨勢進行預測和展望。
　　 本文通過實驗對改進