%0 Journal Article
%T 高维空间中的离群点发现
%A 魏藜？
%A 宫学庆？
%A 钱卫宁？
%A 周傲英？
%J 软件学报
%P 280-290
%D 2002
%X 在许多kdd(knowledgediscoveryindatabases)应用中,如电子商务中的欺诈行为监测,例外情况或离群点的发现比常规知识的发现更有意义.现有的离群点发现大多是针对数值属性的,而且这些方法只能发现离群点,不能对其含义进行解释.提出了一种基于超图模型的离群点(outlier)定义,这一定义既体现了"局部"的概念,又能很好地解释离群点的含义.同时给出了hot(hypergraph-basedoutliertest)算法,通过计算每个点的支持度、隶属度和规模偏差来检测离群点.该算法既能够处理数值属性,又能够处理类别属性.分析表明,该算法能有效地发现高维空间数据中的离群点.
%K 数据挖掘
%K 离群点
%K 超图模型
%K 聚类
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=20020218&flag=1