高维空间中离群点检测算法研究

作者：刘培奇; 孙靖; 段中兴

来源：微电子学与计算机, 2013, (07): 68-71+77.

DOI：10.19304/j.cnki.issn1000-7180.2013.07.016

• 数据挖掘
• 离群点检测
• 高维数据
• PSO算法
• k均值算法 data mining
• outlier detection
• high dimensional data
• particle swarm optimization
• k-mean

提出一种基于改进粒子群优化算法的离群点检测算法,解决高维环境下离群点挖掘效率偏低的问题.新算法能够充分发挥粒子群优化算法全局搜索的优势,并具有k均值算法快速收敛的特点,可避免粒子群优化算法的早熟,减小确定k均值算法聚类中心的计算量等问题.实验表明,该算法在高维环境下可快速有效的挖掘出离群数据的离群支持度,有较好的挖掘效率、准确率和实用性.

• 单位
  西安建筑科技大学