异质网中基于张量表示的动态离群点检测方法

被引：13

作者：

刘露 ^{[1
]}

左万利 ^{[1
,2
]}

彭涛 ^{[1
,2
]}

机构：

[1] 吉林大学计算机科学与技术学院

[2] 符号计算与知识工程教育部重点实验室(吉林大学)

来源：

计算机研究与发展 | 2016年 / 53卷 / 08期

关键词：

动态离群点检测; 异质信息网络; 张量表示; 张量索引树; 聚类;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

挖掘隐藏在异质信息网络中丰富的语义信息是数据挖掘的重要任务之一.离群点在值、数据分布、和产生机制上都明显不同于正常数据对象.检测离群点并分析其不同的产生机制,最终消除离群点具有重要的现实意义.目前,针对异质信息网络动态离群点检测的研究工作相对较少,还有很多问题有待解决.由于异质信息网络的动态性,随着时间的变化,正常数据对象也可能转变为离群点.针对异质网络提出一种基于张量表示的动态离群点检测方法(TRBOutlier),并根据张量表示的高阶数据构建张量索引树.通过搜索张量索引树,将特征加入到直接项集和间接项集中.同时,根据基于短文本相关性的聚类方法来判断数据集中的数据对象是否偏离其原聚簇来动态检测网络中的离群点.该模型能够在充分降低时间和空间复杂度的条件下保留异质网络中的语义信息.实验结果表明:该方法能够快速有效地进行异质网络环境下的动态离群点检测.

引用

页码：1729 / 1739

页数：11

共 7 条

[1]

社群演化的稳健迁移估计及演化离群点检测 [J].

胡云 ;

王崇骏 ;

谢俊元 ;

吴骏 ;

周作建 .

软件学报, 2013, 24 (11) :2710-2720

[2]

基于网格和密度的海量数据增量式离群点挖掘算法 [J].

张净 ;

孙志挥 ;

杨明 ;

倪巍伟 ;

杨宜东 .

计算机研究与发展, 2011, 48 (05) :823-830

[3]

一种基于密度的局部离群点检测算法DLOF [J].

胡彩平 ;

秦小麟 .

计算机研究与发展, 2010, 47 (12) :2110-2116

[4]

Anomaly detection and identification scheme for VM live migration in cloud infrastructure.[J].Tian Huang;Yongxin Zhu;Yafei Wu;Stéphane Bressan;Gillian Dobbie.Future Generation Computer Systems.2016,

[5]

A novel incremental conceptual hierarchical text clustering method using CFu-tree.[J].Tao Peng;Lu Liu.Applied Soft Computing Journal.2015,

[6]

A low-rank tensor-based algorithm for face recognition [J].

Lita, Lacramioara ;

Pelican, Elena .

APPLIED MATHEMATICAL MODELLING, 2015, 39 (3-4) :1266-1274

[7]

SVDD-based outlier detection on uncertain data [J].

Liu, Bo ;

Xiao, Yanshan ;

Cao, Longbing ;

Hao, Zhifeng ;

Deng, Feiqi .

KNOWLEDGE AND INFORMATION SYSTEMS, 2013, 34 (03) :597-618

← 1 →