一种基于主成分分析的异常点挖掘方法  

A Outlier Mining Algorithm Based on Principal Component Analysis

作　　者：王洪春[1] 彭宏[1] 

机构地区：[1]华南理工大学计算机科学与工程学院

出　　处：《计算机科学》2007年第10期192-194,共3页Computer Science

基　　金：广东省科技攻关项目(2004A10202001);广州市科攻关项目(200422~D0091)。

摘　　要：在对现有异常点挖掘算法分析的基础上,给出了一种异常点挖掘的新方法—基于主成分分析方法,该方法先用基于密度的聚类算法进行聚类,然后把不包含在任何聚类中的周围稀疏的样本时象用主成分分析(PCA)方法进行检验,确定是否为异常点,并通过实验数据验证了算法的可行性和有效性。Based on the analysis of the existing algorithms of outlier mining, a new outlier mining algorithm is put forward based on principal component analysis, it clustering firstly with Density-based algorithm, and determine outliers according to principal component analysis within the sparse samples around the clusters that it don＇t contain any clusters, experimental results show the feasibility and effectiveness of the new algorithm.

关 键 词：异常点 主成分分析 数据挖掘 聚类算法 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]