一种基于密度的不确定数据离群点检测算法  

On Density Based Outlier Detection for Uncertain Data

作　　者：姜元凯[1] 郑洪源[1] 丁秋林[1] 

机构地区：[1]南京航空航天大学计算机科学与技术学院,南京210016

出　　处：《计算机科学》2015年第4期172-176,共5页Computer Science

基　　金：江苏省产学研联合创新资金项目(SBY201320423)资助

摘　　要：不确定数据普遍存在于如移动计算、RFID技术和传感器网络等大量应用之中。由于不确定数据的离群点检测算法可以提高服务质量,提出一种基于密度的不确定数据离群检测算法RLOF。该算法引入一种R2-tree结构,有效降低了计算局部离群因子时的时间复杂度,同时降低了不确定数据集中的数据更新成本以及海量数据维护成本。理论分析和实验结果充分证明了该算法是有效可行的。Uncertain data generally exist in a large number of applications,such as mobile computing,sensor networks and RFID technology.Outliers detection algorithm can improve the quality of these services.An uncertain data outlier detection algorithm based on density RLOF was proposed.This algorithm introduces a R2-tree structure,which effectively reduces the time complexity when calculating local outlier factor.It also reduces the cost of data updating in the uncertain data set and the maintenance cost of a massive data.The theoretical analysis and experimental results fully prove that the algorithm is effective and feasible.

关 键 词：不确定数据 离群点检测 R2-tree索引 最小充分邻域 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置]