IncLOF:动态环境下局部异常的增量挖掘算法

被引：34

作者：

杨风召

朱扬勇

施伯乐

机构：

[1] 南京财经大学电子商务实验室

[2] 复旦大学计算机与信息技术系

来源：

计算机研究与发展 | 2004年 / 03期

关键词：

数据挖掘; 异常检测; 局部异常因子; 局部可达密度; 增量挖掘算法;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

异常检测是数据挖掘领域研究的最基本的问题之一 ,它在欺诈甄别、贷款审批、气象预报、客户分类等方面有广泛的应用以前的异常检测算法只适应于静态环境 ,在数据更新时需要进行重新计算在基于密度的局部异常检测算法LOF的基础上 ,提出一种在动态环境下局部异常挖掘的增量算法IncLOF ,当数据库中的数据更新时 ,只对受到影响的点进行重新计算 ,这样可以大大提高异常的挖掘速度实验表明 ,在动态环境下IncLOF的运行时间远远小于LOF的运行时间 ,并且用户定义的邻域中的最小对象个数与记录数之比越小 ,效果越明显

引用

页码：477 / 484

页数：8

共 7 条

[1]

RNgAlgorithmsforminingdistance basedoutliersinlargedatasets. EKnorr. The24thInt’’lConfonVeryLargeDataBases . 1998

[2]

OutliersinStatisticalData. VBarnett,TLewis. . 1994

[3]

TheX tree:Anin dexstructureforhigh dimensionaldata. SBerchthold,DKeim,HansPeterKriegel. The22ndConfonVeryLargeDataBases . 1996

[4]

Incrementalcluster ingformininginadatawarehousingenvironment. MEster,HansPeterKriegel,JSanderetal. The24thInt’’lConfonVeryLargeDataBases . 1998

[5]

RNgetalLOF :Identifyingdensity basedlocaloutliers. MBreunig,HansPeterKriegel. TheACMSIGMOD 2000Int’’lConfonManagementofData . 2000

[6]

Alinearmethodfordeviationdetectioninlargedatabases. RAgrawal,PRagaran. Procofthe2ndInt’’lConfonKnowledgeDis coveryandDataMining . 1996

[7]

Efficientalgorithmsformin ingoutliersfromlargedatasets. SRamaswamy,,RRastogi,,KShim. TheACMSIGMOD 2000Int’’lConfonManagementofData . 2000

← 1 →