基于粗约简和网格的离群点检测

摘要：

为解决现有高维海量数据离群点挖掘在时间与空间效率上的不足，提出了一种基于粗约简和网格的离群点检测算法RRGOD。算法在基于密度的离群点检测算法LOF的基础上，结合粗糙集理论特点，引入属性权值概念，淘汰属性权值低于重要度阈值的属性降低维度，从而减少了进行聚类的计算量。在网格聚类阶段，对传统的网格划分方法进行改进，引入属性维半径向量概念，提出了一种可变网格划分方法，根据数据集特点自适应地划分网格空间。在真实数据集和仿真数据集上进行了实验。结果表明，该算法在进行离群点检测时能在保持足够精确度的同时，检测效率有显著的改善。

关键词：数据挖掘、离群点检测、粗糙集、网格、属性权值

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金No.61170017，No.61370108。

在线出版日期：2015-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：133-137,180