| 一种基于高维空间聚类的离群数据发现算法 |
| |
| 引用本文： | 李旭辉,郑丽英,徐顼,贾海鹏,何知军.一种基于高维空间聚类的离群数据发现算法[J].微电子学与计算机,2007,24(12):44-46. |
| |
| 作者姓名： | 李旭辉 郑丽英 徐顼 贾海鹏 何知军 |
| |
| 作者单位： | 兰州交通大学,电子与信息学院,甘肃,兰州,730070 |
| |
| 基金项目： | 教育部春晖计划项目;甘肃省自然科学基金 |
| |
| 摘 要： | 针对高维稀疏聚类CABOSFV算法仅能解决二态变量高维稀疏聚类问题而对其他类型变量算法将失效的情况，通过定义“属性绝对值距离”解决了CABOSFV算法固有的这一缺陷。另外，针对聚类后产生伪孤立点问题，提出相应的异常数据处理策略，从而得到较为精确的离群数据。
|
| 关 键 词： | 离群数据 CABOSFV算法 聚类 伪孤立点 |
| 文章编号： | 1000-7180（2007）12-0044-03 |
| 收稿时间： | 2007-01-09 |
| 修稿时间： | 2007年1月9日 |
Algorithm of Detecting Outliers Based on High-Dimension Space Clustering |
| |
| LI Xu-hui,ZHENG Li-ying,XU Xu,JIA Hai-peng,HE Zhio-jun.Algorithm of Detecting Outliers Based on High-Dimension Space Clustering[J].Microelectronics & Computer,2007,24(12):44-46. |
| |
| Authors: | LI Xu-hui ZHENG Li-ying XU Xu JIA Hai-peng HE Zhio-jun |
| |
| Abstract: | According to the high-dimension sparse clustering algorithm CABOSFV is only effective to solve the high-dimension sparse clustering problems of two states variable.The "absolutely attribute distance" is defined,after that,it solves the problems which CABOSFV can't solve,and according to the false outliers often happen after clustering,the paper gives some strategies to get better outlier data. |
| |
| Keywords: | outlier CABOSFV algorithm clustering false outlier |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
