基于異常數(shù)據(jù)挖掘算法的研究.pdf

1、異常數(shù)據(jù)是指在數(shù)據(jù)集中與普通數(shù)據(jù)對象不一致或者偏離正常行為模式的數(shù)據(jù)。它們產(chǎn)生于不同的機制，不符合一般的規(guī)律，背后往往隱藏著容易忽略的重要信息，因此各種異常數(shù)據(jù)挖掘算法的研究已經(jīng)成為熱門的研究方向。但是目前大多數(shù)的異常數(shù)據(jù)挖掘研究都是基于靜態(tài)的數(shù)據(jù)集進行的，主要通過基于密度的LOF算法進行計算得到，在實際應(yīng)用中，面對要研究的數(shù)據(jù)集都是不斷變化的，本文中所做的主要工作就是針對動態(tài)增加的數(shù)據(jù)集來進行異常數(shù)據(jù)挖掘工作的研究。
　　聚類算

2、法OPTICS是一種經(jīng)典的基于密度的聚類方法。OPTICS算法不同于其他基于密度的聚類算法是因為它不會把要輸入的ε和MinPits兩個參數(shù)當作全局的參數(shù)來進行密度衡量然后識別類，而是通過建立一個增廣的可達圖來描述數(shù)據(jù)集在基于密度的數(shù)據(jù)結(jié)構(gòu)樣子。在構(gòu)造可達圖時，數(shù)據(jù)對象總是朝著數(shù)據(jù)分布密度高的區(qū)域擴張，最終形成一個可視化序列。在對鄰域內(nèi)數(shù)據(jù)進行擴張時，每一次鄰域查詢都要掃描整個數(shù)據(jù)表，本文中引入鄰接表來存儲鄰域點，這樣在找到核心對象后只要

3、遍歷一次鄰域就可以創(chuàng)建出鄰接表方便后面的查詢。同時加上一個NM指針始終指向種子隊列里可達距離最小的點，對可達隊列的更新策略進行優(yōu)化。
　　在動態(tài)增加的數(shù)據(jù)庫環(huán)境下，基于LOF算法的改進型IncLOF算法在異常數(shù)據(jù)挖掘中克服了二次挖掘時要重新計算數(shù)據(jù)集所有數(shù)據(jù)對象的局部離群因子的高時間復(fù)雜度問題，取得良好效果。當向數(shù)據(jù)庫中同時添加多個數(shù)據(jù)對象時，受影響數(shù)據(jù)對象的增多，其算法的時間效率下降很快。本文提出一種新的異常數(shù)據(jù)挖掘算法，先用改