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
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
收藏
页码:31 / 36
页数:6
相关论文
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)