基于免疫聚类算法的离群数据挖掘  

Outlier Data Mining Based on Immune Clustering Algorithm

作　　者：朱志勇[1] 林睦纲[2] 

机构地区：[1]长沙学院计算机科学与技术系,湖南长沙410003 [2]衡阳师范学院计算机科学系,湖南衡阳421008

出　　处：《系统工程》2009年第3期123-126,共4页Systems Engineering

基　　金：湖南省教育厅资助科研项目(07C167);长沙学院资助科研项目(CDJJ06010112)

摘　　要：离群数据挖掘是数据挖掘研究的重要内容,在实际生活中获得广泛应用。论文结合了免疫算法全局搜索的优点和K-均值方法局部收敛速度快的特点,提出了一种基于免疫聚类算法的离群数据挖掘方法,有效地克服了传统聚类方法对初始化敏感、容易陷入局部最优等缺点,使聚类结果能够快速收敛到全局最优,有效地检测离群数据。实验结果表明,该方法实用有效的。Outlier mining is an important issue in data mining and it is applied widely in practiee. By combining the advantages global searching of the immune algorithm with fast local convergence rate of the K-means method, a new outlier mining method based on Immune algorithm and clustering is presented. The method can be neither sensitive to initialization nor be easy to get trapped into local optima. Not only can the result of clustering quickly converge to the global optimization, but also it can detect the outliers in the dataset. Experimental results show the method is effective and has praetical.

关 键 词：离群数据挖掘 数据挖掘 免疫算法 K-均值聚类 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论] TP18[自动化与计算机技术—计算机科学与技术]