基于网格上近似的大规模数据集离群点检测算法GROUT  

GROUT-A Grid Approximation-based Algorithm for Outlier Detection in Large Dataset

作　　者：李存华[1] 孙志挥[2] 陈耿[2] 

机构地区：[1]淮海工学院计算机科学系,江苏连云港222005 [2]东南大学计算机科学与工程系,江苏南京210018

出　　处：《计算机应用研究》2003年第9期134-136,共3页Application Research of Computers

基　　金：国家自然科学基金资助项目(79970092);江苏省教育厅科研基金资助项目(02KJB520012)

摘　　要：通过对数据集中离群点分布特性的分析,给出离群点的解析定义,并在度量意义下采用数据空间网格化方法实现对密集数据主体的过滤,从而构造了在时间和空间上均具有极高效率的离群点检测算法。This paper presents a novel approach for outlier detection with high efficiency both in memory and time usage.By revealing the key features of the outlier detection task and the realworld dataset,an analytical definition of outlier is given followed by a grid approximationbased detection algorithm ″GROUT″.Results of experimental studies on realworld and synthetic datasets demonstrate promising behaviour of our approach.

关 键 词：离群点检测 网格化近似 GROUT算法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]