一种离群数据集延伸知识发现框架

被引：2

作者：

金义富

朱庆生

机构：

[1] 重庆大学计算机学院

来源：

华南理工大学学报(自然科学版) | 2008年 / 09期

关键词：

数据挖掘; 离群分析; 关键域子空间; 知识发现框架;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

现有离群数据研究主要集中于离群检测.为了对离群数据的来源、分类、含义、行为特征以及离群趋势等进行全面分析,以现有离群挖掘技术为基础,结合已提出的离群约简与关键域子空间等一系列概念及其搜索算法,定义了离群最近邻、原子离群类及离群变异类等概念,提出了离群簇分析及离群趋势分析方法,建立了一种完整的离群数据集特征描述及延伸知识发现的整体框架.通过对移动通信业务数据的离群分析进行具体讨论,表明了这种离群延伸知识发现框架在实际应用中的有效性.

引用

页码：31 / 36

页数：6

共 4 条

[1] 一种基于关键域子空间的离群数据聚类算法 [J].

金义富 ;

朱庆生 ;

邢永康 .

计算机研究与发展 , 2007, (04) :651-659

[2] 基于连通图动态分裂的聚类算法 [J].

邓健爽 ;

郑启伦 ;

彭宏 ;

邓维维 .

华南理工大学学报(自然科学版), 2007, (01) :118-122

[3]

A Survey of Outlier Detection Methodologies[J] . Victoria J. Hodge,Jim Austin.Artificial Intelligence Review . 2004 (2)

[4]

Outlier Detection Algorithms in Data Mining Systems[J] . M. I. Petrovskiy.Programming and Computer Software . 2003 (4)

← 1 →