基于数据仓库的动态异常点检测研究
异常点检测是数据挖掘领域中的重要研究方向,但传统的异常点检测算法存在许多不足,比如缺乏用户的导向和控制,在挖掘之前就确定了挖掘空间,不能动态地根据中间挖掘结果选取挖掘空间等缺点.数据联机分析挖掘(OLAM)是将OLAP和数据挖掘有机结合,它能方便地对任何一部分数据或不同抽象级别的数据进行挖掘,得到更为详细、更为有用的信息,成为数据挖掘研究的热点.首先针对现有局部异常度定义复杂的问题,提出一种新的基于k距离的局部异常度定义。在此基础上讨论了基于空间数据仓库的动态异常点检测方法,它们是基于约束的异常点检测算法和基于OLAP的探测式异常点检测算法,并在澜沧江空间数据仓库上验证了新的局部异常度定义和所提算法的正确性和有效性。
异常点检测 数据联机分析挖掘 局部异常度 受限立方体 空间数据仓库 数据挖掘 数据联机分析
王丽珍 周丽华 肖清
云南大学信息学院计算机科学与工程系 昆明 650091
国内会议
桂林
中文
400-407
2008-10-24（万方平台首次上网日期，不代表论文的发表时间）