基于数学形态学的模糊异常点检测
异常点检测作为数据挖掘的一项重要任务，可能会导致意想不到的知识发现．但传统的异常点检测技术都忽略了数据的自然结构，即异常点与簇的联系．然而，把异常点得分和聚类方法结合起来有利于对异常点与簇的联系的研究．提出基于数学形态学的模糊异常点检测与分析，把数学形态学技术和基于连接的异常点检测方法集成到一个模糊模型中，从异常隶属度和模糊隶属度这两个方面来分析对象与簇集的模糊关系．通过充分的实验证明，该算法能够对复杂面状和变密度的数据集，正确、高效地找出异常点，同时发现与异常点相关联的簇信息，探索异常点与簇核的关联深度，对异常点本身的意义具有启发作用．
数据挖掘 异常点检测 数学形态学 模糊模型
刘晓艳 王丽珍 杨志强 陈红梅
云南大学信息学院计算机科学与工程系 昆明 650091
国内会议
南昌
中文
532-539
2009-10-15（万方平台首次上网日期，不代表论文的发表时间）