本文選題：屬性異常點(diǎn) + 人工蜂群算法��； 參考：《計(jì)算機(jī)科學(xué)與探索》2017年12期

【摘要】：為了解決數(shù)據(jù)庫(kù)屬性異常點(diǎn)檢測(cè)方法時(shí)間復(fù)雜度大并且查準(zhǔn)率和查全率不高的問(wèn)題,提出了新的基于人工蜂群優(yōu)化技術(shù)(artificial bee colony,ABC)和O-measure度量(一種評(píng)估屬性異常點(diǎn)的度量)相結(jié)合的屬性異常點(diǎn)檢測(cè)方法,模擬人工蜂群隨機(jī)搜索較優(yōu)的食物源能力發(fā)現(xiàn)屬性異常點(diǎn)。針對(duì)群體智能算法檢測(cè)屬性異常點(diǎn)會(huì)陷入局部收斂的缺陷,提出使用模擬退火技術(shù)讓人工蜂群跳出局部最優(yōu)解而找到全局最優(yōu)解的算法。該算法通過(guò)蜂群在二維數(shù)據(jù)平面上搜索食物源,計(jì)算所經(jīng)過(guò)路徑上的數(shù)據(jù)項(xiàng)O-measure適應(yīng)度,從中尋找最優(yōu)解(即屬性異常點(diǎn))。實(shí)驗(yàn)結(jié)果表明,所提算法較之前的算法耗時(shí)短,且提高了檢測(cè)的準(zhǔn)確率和查全率。
[Abstract]:In order to solve the problem of high time complexity and low precision and recall rate of database attribute anomaly detection method,A new method based on artificial bee colony optimization technique (artificial bee colony) and O-measure metric (a measure for evaluating attribute outliers) is proposed to detect attribute outliers.In order to solve the problem that swarm intelligence algorithm can detect the abnormal points of attributes and fall into local convergence, an algorithm is proposed to find the global optimal solution by using simulated annealing technology to make artificial beehives jump out of the local optimal solution and find the global optimal solution.In this algorithm, the food source is searched on the two-dimensional data plane by the bee colony, and the O-measure fitness of the data item on the path is calculated, from which the optimal solution (attribute anomaly point) is found.The experimental results show that the proposed algorithm takes less time and improves the detection accuracy and recall.
【作者單位】： 暨南大學(xué)信息科學(xué)技術(shù)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金No.U1431227 廣州市科技計(jì)劃基金No.201604010037~~
【分類(lèi)號(hào)】：TP18;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陶運(yùn)信;皮德常;;屏蔽輸入?yún)?shù)敏感的異常點(diǎn)檢測(cè)新方法[J];計(jì)算機(jī)科學(xué);2008年12期

2 陶運(yùn)信;皮德常;;基于鄰域和密度的異常點(diǎn)檢測(cè)算法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)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(diǎn)檢測(cè)算法及應(yīng)用[J];內(nèi)蒙古民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

4 顏慶茁;Java的異常設(shè)計(jì)原則[J];集美大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

5 王洪春;彭宏;;一種基于主成分分析的異常點(diǎn)挖掘方法[J];計(jì)算機(jī)科學(xué);2007年10期

6 劉洪濤;童德利;陳世福;;一種基于屬性的異常點(diǎn)檢測(cè)算法[J];計(jì)算機(jī)科學(xué);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(diǎn)發(fā)現(xiàn)[J];應(yīng)用科學(xué)學(xué)報(bào);2006年01期

8 蘇衛(wèi)星;朱云龍;劉芳;胡琨元;;時(shí)間序列異常點(diǎn)及突變點(diǎn)的檢測(cè)算法[J];計(jì)算機(jī)研究與發(fā)展;2014年04期

9 盧鳴;;基于異常點(diǎn)處理和自劈分合并學(xué)習(xí)的聚類(lèi)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(cè)方法[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年02期

相關(guān)會(huì)議論文 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(diǎn)檢測(cè)[A];全國(guó)自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)會(huì)議論文集（一）[C];2005年

2 劉曉艷;王麗珍;楊志強(qiáng);陳紅梅;;基于數(shù)學(xué)形態(tài)學(xué)的模糊異常點(diǎn)檢測(cè)[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)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(wèn)日志的異常點(diǎn)擊分析[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

4 王麗珍;周麗華;肖清;;基于數(shù)據(jù)倉(cāng)庫(kù)的動(dòng)態(tài)異常點(diǎn)檢測(cè)研究[A];第二十五屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)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(diǎn)挖掘的高效算法[A];第二十五屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（二）[C];2008年

相關(guān)碩士學(xué)位論文 前7條

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

2 沈琰輝;基于鄰域離散度和隔離樹(shù)的異常點(diǎn)檢測(cè)算法研究[D];浙江師范大學(xué);2016年

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

4 曹忠虔;時(shí)間序列異常檢測(cè)的研究[D];電子科技大學(xué);2012年

5 楊金偉;基于距離和信息熵的不確定異常點(diǎn)檢測(cè)研究[D];云南大學(xué);2011年

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

7 張曉;教師評(píng)價(jià)中基于聚類(lèi)算法的異常點(diǎn)分析的研究[D];東北師范大學(xué);2009年

，

本文編號(hào)：1738301