主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020年专刊出版计划 微信服务介绍 最新一期:2019年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
周红福,钱卫宁,魏藜,周傲英.EDOLOIS:高效准确的子空间局部离群点发现.软件学报,2004,15(zk):106-113
EDOLOIS:高效准确的子空间局部离群点发现
EDOLOIS:Efficient Discovery of Local Outliers in Snbspaces
  
DOI:
中文关键词:  数据挖掘:离群点.局部离群点  子空间
英文关键词:data mining  outlier  local outlier  subspace
基金项目:Supported by the National High-Teeh Research and Development Plan of China under Gram No.2002AA413310(国家高技术研究发晨计划(863))
作者单位
周红福 复旦大学 计算机科学与工程系上海 200433 
钱卫宁 复旦大学 计算机科学与工程系上海 200433 
魏藜 复旦大学 计算机科学与工程系上海 200433 
周傲英 复旦大学 计算机科学与工程系上海 200433 
摘要点击次数: 2542
全文下载次数: 2190
中文摘要:
      离群点检测在数据挖掘方面是一项很重要的技术,它是要发现那些行为异常的少量数据,这在数据挖掘的许多领域都有很强的现实意义,如金融欺诈,网络监控等领域.给出了一个高效准确的子空间局部离群点发现的算法(efficient discovery of local outliers in subspaces,简称 EDOLOIS),来避免距离计算的高代价.算法充分利用了原始LOF的信息和特点,结合子空间和原空间的关系,从而能够精确且高效地算出子空间局部离群系数,进而甄别出离群点.形式的分析和严格证明都揭示了该算法对在高维种属属性的数据集中发现局部离群点是高效精确的.
英文摘要:
      For many KDD applications,such as data cleaning,detecting criminal activities in E-cormmerce,etc.finding the outlier call be more meaningful and interesting than finding the common cases.In the paper,we present a novel and efficient subspace Iocal outlier test algorithm:EDOLOIS.so as to avoid the computation-intensive distance computation.The algorithm takes full use of the character of subspace data processing and the initial LOF itself, thus it can not only reduce the computation dramaticaliy,but also gain the precise LOF of all objects in the subspaces.Both formal analysis and comprehensive performance evaluation show that the method is efficient to nnd all local outliers from high-dimensional categorical datasets in all subspaces.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利