基于聚类高维空间算法的离群数据挖掘技术研究

被引:5
作者
项响琴 [1 ,2 ]
汪彩梅 [2 ]
机构
[1] 安徽大学计算机科学与技术学院
[2] 合肥学院网络与智能信息处理中心实验室
基金
安徽省自然科学基金;
关键词
数据挖掘; 离群点; 聚类分析; CLIQUE算法;
D O I
暂无
中图分类号
TP311.13 [];
学科分类号
1201 ;
摘要
离群数据挖掘是数据挖掘领域的一个研究分支,而聚类算法分析则是进行离群数据挖掘的重要研究方法之一。文中首先分析研究离群数据挖掘方法,对多个离群数据挖掘算法进行分析比较,讨论各自的优点和不足,同时针对高维空间数据的特点,分析挖掘高维空间数据中的离群点方法。其次对聚类分析算法进行讨论,分析一种基于网格和基于密度的聚类方法——聚类高维空间算法(CLIQUE算法),运用它可以更好地挖掘高维空间中的离群数据。提出了CLIQUE算法的有待改进的思想,为以后的研究指明方向。
引用
收藏
页码:124 / 127+131 +131
页数:5
相关论文
共 8 条
[1]   一种改进的基于密度的离群数据挖掘算法 [J].
崔贯勋 ;
朱庆生 .
计算机应用, 2007, (03) :559-560+573
[2]   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
[3]   高维空间下基于密度的离群点探测算法实现 [J].
熊君丽 .
现代电子技术, 2006, (15) :67-69
[4]   离群数据挖掘方法研究 [J].
蔡江辉 ;
张华煜 .
电脑开发与应用, 2005, (12) :50-51
[5]   高维空间中的离群点发现 [J].
魏藜 ;
宫学庆 ;
钱卫宁 ;
周傲英 .
软件学报, 2002, (02) :280-290
[6]  
CLIQUE算法改进及其在电子商务企业中的应用与研究.[D].刘嘉嘉.合肥工业大学.2007, 03
[7]  
数据挖掘.[M].(加)JiaweiHan;(加)MichelineKamber著;范明;孟小峰等译;.机械工业出版社.2001,
[8]   High-dimensional computation of the deepest location [J].
Struyf, A ;
Rousseeuw, PJ .
COMPUTATIONAL STATISTICS & DATA ANALYSIS, 2000, 34 (04) :415-426