基于剪枝的海量数据离群点挖掘

基于距离的离群点挖掘通常需要的时间进行大量的距离计算与比较，这限制了其在海量数据上的应用。针对此问题，提出了一个带剪枝功能的离群点挖掘算法。算法分为两步:在对数据集进行一通扫描后，剪枝掉大量的非离群点;然后对余下的可疑数据实施一种改进的嵌套循环算法，以每个数据点与其k个最近部点的平均距离作为离群度，确定前n个离群点。在真实数据和合成数据集上的实验结果均表明，该算法在获得高命中率的同时仍保持低误警率。与相关算法相比，其具有较低的时间复杂性。