大型數據集中離群數據挖掘算法研究及應用.pdf

1、目前,數據挖掘在很多領域都是比較熱門的一個話題，它是一個從大量的原始數據中發(fā)現潛在知識的過程。離群挖掘的主要目的是從大量的、不完全的、有噪聲的各種數據中，發(fā)現隱含在其中的人們事先不知道但又具有潛在價值的信息或者知識。而離群數據是這樣一種數據：它明顯偏離其它數據、不滿足數據的一般模式或者行為。
　　離群點可能是“噪音”，但也可能是有意義的事件。實際情況下，在某些應用中，那些很少發(fā)生的事件很可能比經常發(fā)生的事件更有研究價值。因此，離群

2、數據挖掘是一項非常重要且有意義的研究工作。離群數據挖掘已廣泛應用于股票市場、電信、金融、入侵檢測、天氣預報等許多領域。離群數據挖掘包括兩部分：離群數據檢測和離群數據分析。本文主要研究了離群數據挖掘中的關鍵問題——離群數據的檢測，通過分析幾種離群數據挖掘算法的優(yōu)缺點，提出了基于兩次聚類的ＫＮＮ離群數據挖掘算法，并通過在綜合數據集上的實驗驗證了算法的準確性、高效性以及擴展性，最后將此算法應用于一個論壇注冊用戶行為的挖掘。本文的主要工作包括如

3、下幾方面：
　　1.闡述了離群數據挖掘的國內外現狀及其研究的意義、離群數據挖掘的過程及其與數據倉庫的關系。綜合分析了現有的離群數據挖掘算法，研究了常用的幾種離群數據挖掘算法，分析了它們的優(yōu)缺點、適用范圍等。
　　2.詳細分析了兩種基于KNN的離群數據挖掘算法，并在這兩個算法的基礎上提出了基于兩次聚類的KNN離群數據挖掘算法，在綜合數據集上的實驗結果表明：基于兩次聚類的離群數據挖掘算法是準確的，且較之于原算法更加高效。