基于属性熵和加权余弦相似度的离群算法

被引：9

作者：

刘爱琴

荀亚玲

机构：

[1] 太原科技大学计算机学院

来源：

太原科技大学学报 | 2014年 / 35卷 / 03期

关键词：

属性熵; 余弦相似度; 离群数据; 天体光谱;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

离群点检测是数据挖掘的一个重要研究方向,大多数离群数据挖掘算法在应用到高维数据集时效率较低。给出了一种基于属性熵和加权余弦相似度的离群数据挖掘算法LEAWCD.该算法首先根据局部属性熵分析每个对象在其k-邻域内的局部离群属性,并依据各离群属性的属性偏离度自动设置属性权向量;其次使用对高维数据有效的余弦相似度经加权后度量各对象在k-邻域内的离群程度,实现高维局部离群点检测;最后采用国家天文台提供的天体光谱数据作为数据集,实验验证了LEAWCD算法具有伸缩性强和检测精度高等优点。

引用

收藏

页码：171 / 175

页数：5

相关论文

共 10 条

[1]

A fast outlier detection strategy for distributed high-dimensional data sets with mixed attributes [J].

Koufakou, Anna ;

Georgiopoulos, Michael .

DATA MINING AND KNOWLEDGE DISCOVERY, 2010, 20 (02) :259-289

[2]

Anomaly detection.[J].Varun Chandola;Arindam Banerjee;Vipin Kumar.ACM Computing Surveys (CSUR).2009, 3

[3]

A concept lattice based outlier mining method in low-dimensional subspaces [J].

Zhang, Jifu ;

Jiang, Yiyong ;

Chang, Kai H. ;

Zhang, Sulan ;

Cai, Jianghui ;

Hu, Lihua .

PATTERN RECOGNITION LETTERS, 2009, 30 (15) :1434-1439

[4]

An effective and efficient algorithm for high-dimensional outlier detection [J].

Aggarwal, CC ;

Yu, PS .

VLDB JOURNAL, 2005, 14 (02) :211-221

[5]

一种基于基尼指标的高维数据离群挖掘算法 [J].

石岩 ;

刘爱琴 ;

张继福 .

太原科技大学学报, 2013, 34 (03) :161-165

[6]

基于属性相关分析的离群数据并行挖掘算法 [J].

王磊 ;

张继福 .

太原科技大学学报, 2011, 32 (05) :364-369

[7]

信息熵度量的离群数据挖掘算法 [J].

张贺 ;

蔡江辉 ;

张继福 ;

乔衎 .

智能系统学报, 2010, 5 (02) :150-155

[8]

基于局部信息熵的加权子空间离群点检测算法 [J].

倪巍伟 ;

陈耿 ;

陆介平 ;

吴英杰 ;

孙志挥 .

计算机研究与发展, 2008, (07) :1189-1194

[9]

基于信息熵的相对离群点的检测方法:ENBROD [J].

于绍越 ;

商琳 .

南京大学学报(自然科学版), 2008, (02) :212-218

[10]

局部离群点挖掘算法研究 [J].

薛安荣 ;

鞠时光 ;

何伟华 ;

陈伟鹤 .

计算机学报, 2007, (08) :1455-1463