本文關(guān)鍵詞：基于鄰域離散度的異常點檢測算法

  更多相關(guān)文章： 異常點檢測 機器學習 數(shù)據(jù)挖掘 主成分分析

【摘要】：異常點檢測在機器學習和數(shù)據(jù)挖掘領(lǐng)域中有著十分重要的作用。當前異常點檢測算法的一大缺陷是正常數(shù)據(jù)在邊緣處異常度較高,導致在某些情況下誤判異常點。為了解決該問題,提出了一種新的基于鄰域離散度的異常點檢測算法。該算法將數(shù)據(jù)點所在鄰域的離散度作為該數(shù)據(jù)點的異常度,既能有效避免邊緣數(shù)據(jù)點的異常度過高,又能較好地區(qū)分正常點與異常點。實驗結(jié)果表明,該算法能夠有效地檢測數(shù)據(jù)中的異常點,并且算法對參數(shù)選擇不敏感,性能較為穩(wěn)定。
【作者單位】： 浙江師范大學數(shù)理與信息工程學院;
【關(guān)鍵詞】： 異常點檢測 機器學習 數(shù)據(jù)挖掘 主成分分析
【基金】：國家自然科學基金Nos.61272007,61272468,61572443 浙江省自然科學基金No.LY14F020012 浙江省教育廳項目No.Y201328291~~
【分類號】：TP391.41
【正文快照】： 1 引言 隨著數(shù)字化技術(shù)的發(fā)展,人們收集到的數(shù)據(jù)越來越多。然而由于儀器故障、信號干擾、反常行為等因素,數(shù)據(jù)中通常存在異常點。異常點和其余數(shù)據(jù)點之間存在顯著差異,一方面會干擾特征提取、模式識別等機器學習任務(wù),另一方面又有助于發(fā)現(xiàn)信用卡欺詐、基因突變、網(wǎng)絡(luò)入侵等異

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陶運信;皮德常;;屏蔽輸入?yún)?shù)敏感的異常點檢測新方法[J];計算機科學;2008年12期

2 陶運信;皮德常;;基于鄰域和密度的異常點檢測算法[J];吉林大學學報(信息科學版);2008年04期

3 張春生;李艷;王海珍;張世錚;;基于縱橫距離的單純異常點檢測算法及應(yīng)用[J];內(nèi)蒙古民族大學學報(自然科學版);2009年04期

4 顏慶茁;Java的異常設(shè)計原則[J];集美大學學報(自然科學版);2004年02期

5 王洪春;彭宏;;一種基于主成分分析的異常點挖掘方法[J];計算機科學;2007年10期

6 劉洪濤;童德利;陳世福;;一種基于屬性的異常點檢測算法[J];計算機科學;2005年05期

7 陸介平;倪巍偉;孫志揮;;基于關(guān)聯(lián)分析的高維空間異常點發(fā)現(xiàn)[J];應(yīng)用科學學報;2006年01期

8 蘇衛(wèi)星;朱云龍;劉芳;胡琨元;;時間序列異常點及突變點的檢測算法[J];計算機研究與發(fā)展;2014年04期

9 盧鳴;;基于異常點處理和自劈分合并學習的聚類方法[J];福建電腦;2008年12期

10 王元明;熊偉;;異常數(shù)據(jù)的檢測方法[J];重慶工學院學報(自然科學版);2009年02期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 張維;劉博;張小濤;;日內(nèi)金融高頻數(shù)據(jù)的異常點檢測[A];全國自動化新技術(shù)學術(shù)交流會會議論文集（一）[C];2005年

2 劉曉艷;王麗珍;楊志強;陳紅梅;;基于數(shù)學形態(tài)學的模糊異常點檢測[A];第26屆中國數(shù)據(jù)庫學術(shù)會議論文集（B輯）[C];2009年

3 王倩;劉奕群;馬少平;茹立云;;面向用戶互聯(lián)網(wǎng)訪問日志的異常點擊分析[A];第五屆全國信息檢索學術(shù)會議論文集[C];2009年

4 王麗珍;周麗華;肖清;;基于數(shù)據(jù)倉庫的動態(tài)異常點檢測研究[A];第二十五屆中國數(shù)據(jù)庫學術(shù)會議論文集（二）[C];2008年

5 張重生;馮海軍;陳紅;梁思維;李翠平;;一種分布式數(shù)據(jù)集上top-n異常點挖掘的高效算法[A];第二十五屆中國數(shù)據(jù)庫學術(shù)會議論文集（二）[C];2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 何歡;基于概念漂移的異常檢測技術(shù)研究[D];電子科技大學;2015年

2 楊宗羲;函數(shù)系數(shù)時序模型基于各類進化算法的估計及其異常點檢測[D];東南大學;2015年

3 趙伯夷;基于神經(jīng)網(wǎng)絡(luò)的異常點挖掘[D];河北大學;2011年

4 孫易木;異常點挖掘及證券行業(yè)應(yīng)用實例研究[D];同濟大學;2006年

5 曹忠虔;時間序列異常檢測的研究[D];電子科技大學;2012年

6 彭珊;線性回歸模型中關(guān)于異常點的若干問題的分析[D];東北林業(yè)大學;2014年

7 楊金偉;基于距離和信息熵的不確定異常點檢測研究[D];云南大學;2011年

8 莊雪鵬;基于小波的時間序列中異常點的檢測[D];南京大學;2013年

9 王康寧;貝葉斯方法下二值與多值序次數(shù)據(jù)模型與異常點的同時識別[D];蘇州大學;2011年

10 張洋;一種基于熱計量數(shù)據(jù)的異常點挖掘算法研究[D];燕山大學;2012年

，

本文編號：751587