基于距离的数据流离群点快速检测

被引：4

作者：

赵学良

朱庆生

机构：

[1] 重庆大学计算机学院

来源：

世界科技研究与发展 | 2013年 / 35卷 / 04期

关键词：

数据流; 异常检测; 滑动窗口; 基于距离的离群点;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

提出了快速的基于距离的数据流离群点检测算法。该算法使用滑动窗口模型处理数据流,并利用向量内积不等式进行剪枝,在保证正确性的前提下,显著的提高了执行效率。实验表明,该算法是有效可行的。

引用

页码：462 / 464+480 +480

页数：4

共 9 条

[1]

Identification of Outliers. Hawkins D. . 1980

[2]

Data Mining:Concepts and Tech-niques(2nd Edition). Han Jia-Wei,Kamber M. . 2006

[3]

Algorithms for mining distance-based outliers in large datasets. Knorr EM,Ng RT. Proceedings of the 24th VLDB Conference . 1998

[4] 离群数据挖掘综述 [J].

黄洪宇 ;

林甲祥 ;

陈崇成 ;

樊明辉 .

计算机应用研究, 2006, (08) :8-13

[5] 基于k均值分区的数据流离群点检测算法 [J].

倪巍伟 ;

陆介平 ;

陈耿 ;

孙志挥 .

计算机研究与发展, 2006, (09) :1639-1643

[6] 基于滑动窗口的进化数据流聚类 [J].

常建龙 ;

曹锋 ;

周傲英+ .

软件学报, 2007, (04) :905-918

[7] 基于反k近邻的流数据离群点挖掘算法 [J].

张忠平 ;

梁永欣 .

计算机工程, 2009, 35 (12) :11-13

[8] 基于距离的数据流离群点挖掘算法 [J].

杨显飞 ;

张健沛 ;

杨静 ;

初妍 .

计算机应用, 2010, 30 (11) :2949-2951+2973

[9]

A framework for clustering evolving data streams. Aggarwal C C,Han J,Wang J,et al. Proceedings of the 29th International Conference on Very Large Data Bases . 2003

← 1 →