【摘要】：在數(shù)據(jù)挖掘領(lǐng)域中,研究的重點(diǎn)之一為異常檢測技術(shù)。針對(duì)數(shù)據(jù)挖掘中實(shí)際采集到的樣本數(shù)據(jù)受眾多因素的影響所出現(xiàn)的異常值,本文提出一種新的基于鄰居樣本分布特征的異常檢測算法,該算法通過引用鄰域的概念能夠處理混合屬性的數(shù)據(jù)集,并且單純考慮一個(gè)樣本的的鄰域大小和樣本的鄰域密度不能合理的反映該樣本的異常程度,該算法考慮鄰域中的所有樣本。仿真實(shí)驗(yàn)結(jié)果表明,在處理混合數(shù)據(jù)中本文提出的數(shù)據(jù)異常檢測算法相較其他異常檢測算法有明顯的優(yōu)勢。
[Abstract]:In the field of data mining, one of the focuses of research is anomaly detection technology. In this paper, a new anomaly detection algorithm based on the distribution characteristics of neighbor samples is proposed to solve the outliers caused by many factors in the actual sample data collected in data mining. The algorithm can deal with the data set of mixed attributes by referring to the concept of neighborhood, and simply considering the neighborhood size of a sample and the neighborhood density of a sample can not reasonably reflect the abnormal degree of the sample. The algorithm considers all samples in the neighborhood. The simulation results show that the outlier detection algorithm proposed in this paper has obvious advantages over other anomaly detection algorithms in dealing with mixed data.
【作者單位】： 江蘇海事職業(yè)技術(shù)學(xué)院;南京信息工程大學(xué)計(jì)算機(jī)與軟件學(xué)院;
【基金】：2015年江蘇省現(xiàn)代教育技術(shù)重點(diǎn)研究課題(項(xiàng)目編號(hào):2015-R-42639)
【分類號(hào)】：TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 林碩蕾;;基于小數(shù)據(jù)沖突檢測的壞點(diǎn)數(shù)據(jù)挖掘模型仿真[J];科技通報(bào);2015年01期

2 柴爭義;王獻(xiàn)榮;王亮;;用于異常檢測的實(shí)值否定選擇算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2012年01期

3 劉良旭;樂嘉錦;喬少杰;宋加濤;;基于軌跡點(diǎn)局部異常度的異常點(diǎn)檢測算法[J];計(jì)算機(jī)學(xué)報(bào);2011年10期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張軍;劉文杰;;一種新的基于鄰居樣本分布特征的異常值檢測算法研究[J];科技通報(bào);2017年01期

2 毛嘉莉;金澈清;章志剛;周傲英;;軌跡大數(shù)據(jù)異常檢測:研究進(jìn)展及系統(tǒng)框架[J];軟件學(xué)報(bào);2017年01期

3 程艷云;張守超;楊楊;;基于大數(shù)據(jù)的時(shí)間序列異常點(diǎn)檢測研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2016年05期

4 繆麗萍;;基于大數(shù)據(jù)的教育技術(shù)研究新范式[J];教書育人(高教論壇);2016年06期

5 錢曉軍;范冬萍;吉根林;;物聯(lián)網(wǎng)差異數(shù)據(jù)庫中的故障數(shù)據(jù)快速挖掘仿真[J];計(jì)算機(jī)仿真;2016年01期

6 馮利容;彭艷兵;楊美珍;;臨近基站建議模型在基站位置校正中的應(yīng)用[J];計(jì)算機(jī)與現(xiàn)代化;2015年11期

7 高煒;曹銳;;一種基于集群概率的網(wǎng)絡(luò)入侵檢測算法[J];電子技術(shù)與軟件工程;2015年08期

8 張安玲;鄧啟森;;一種混合人工免疫算法的研究[J];中北大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

9 金靜;韓虎;崔永君;;改進(jìn)的否定選擇算法在入侵檢測系統(tǒng)中的應(yīng)用[J];電子設(shè)計(jì)工程;2015年01期

10 伍海波;;一種改進(jìn)的否定選擇算法在入侵檢測中的應(yīng)用[J];長沙醫(yī)學(xué)院學(xué)報(bào);2014年04期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張凈;孫志揮;宋余慶;倪巍偉;晏燕華;;基于信息論的高維海量數(shù)據(jù)離群點(diǎn)挖掘[J];計(jì)算機(jī)科學(xué);2011年07期

2 周緒川;鐘勇;;集成學(xué)習(xí)分布式異常檢測方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年18期

3 馬鑫;梁艷春;田野;于濤;;基于免疫機(jī)理與合同網(wǎng)協(xié)議的多Agent入侵檢測系統(tǒng)[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2011年01期

4 胡彩平;秦小麟;;一種基于密度的局部離群點(diǎn)檢測算法DLOF[J];計(jì)算機(jī)研究與發(fā)展;2010年12期

5 周俊臨;傅彥;吳躍;方育柯;夏虎;;基于模型共享的分布式無監(jiān)督異常檢測[J];鄭州大學(xué)學(xué)報(bào)(理學(xué)版);2010年01期

6 柴爭義;劉芳;朱思峰;;新型智能入侵防御模型[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

7 朱思峰;劉芳;柴爭義;;基于檢測器覆蓋率評(píng)估的否定選擇算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年12期

8 劉衍珩;孫蕾;田大新;吳靜;張鳳華;;基于融合主成分匹配的異常檢測方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2009年05期

9 ;A self-adaptive negative selection algorithm used for anomaly detection[J];Progress in Natural Science;2009年02期

10 張鳳斌;王大偉;王勝文;;A self region based real-valued negative selection algorithm[J];Journal of Harbin Institute of Technology;2008年06期

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 胡蓓蓓;彭艷兵;程光;;基于Counting Bloom Filter的DNS異常檢測[J];計(jì)算機(jī)工程與應(yīng)用;2014年15期

2 陳冰;魯剛;房紅征;艾力;;基于最小二乘支持向量機(jī)的衛(wèi)星異常檢測方法[J];計(jì)算機(jī)測量與控制;2014年03期

3 牛玲;郭淵博;劉偉;;基于流量的無線Mesh網(wǎng)跨層異常檢測方法[J];計(jì)算機(jī)工程;2012年22期

4 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 周福娜;文成林;陳志國;;一種多模型異常檢測方法[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

，

本文編號(hào)：2374564