基于聚类高维空间算法的离群数据挖掘技术研究  

Study of Outlier Data Mining Based on CLIQUE Algorithm

作　　者：项响琴[1,2] 汪彩梅[2] 

机构地区：[1]安徽大学计算机科学与技术学院,安徽合肥230039 [2]合肥学院网络与智能信息处理中心实验室,安徽合肥230601

出　　处：《计算机技术与发展》2010年第1期124-127,131,共5页Computer Technology and Development

基　　金：安徽省自然科学基金项目(KJ2009B122;KJ2008B03)

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。As a branch of data-mining,outlier mining is a promising prospect,and clustering analysis is a kind of technology in spatial outlier mining.Analyse the clustering arithmetic,compare some arithmetic of clustring,and discuss the strongpoint and shortpoint of them.Research the spatial data and outlier attributes in high dimensional space.And analysing the CLIQUE algorithm to detect the outlier in high dimensional space,this approach can find the outliers in high-dimensional space effectively.In conclusion,the main trends of spatial outlier mining are foretaste.

关 键 词：数据挖掘 离群点 聚类分析 CLIQUE算法 

分 类 号：TP311.5[自动化与计算机技术—计算机软件与理论]