[發(fā)明專利]一種基于偏離特征的離群點(diǎn)挖掘方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710599251.X
• 申請(qǐng)日: 2017-07-21
• 公開（公告）號(hào): CN107562778B
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計(jì)）人: 王紅濱;馮夢(mèng)園;何鳴;王念濱;尹新亮;顧正浩;蘇暢;童鵬鵬;曾慶宇;張海彬
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號(hào): G06F16/2458
• 分類號(hào): G06F16/2458;G06F16/26
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 牟永林

1.一種基于偏離特征的離群點(diǎn)挖掘方法，其特征在于，對(duì)字符軌跡進(jìn)行離群點(diǎn)挖掘的過程包括以下步驟：

(1)將數(shù)據(jù)集D的各個(gè)維度劃分為h個(gè)等間距的間隔，則整個(gè)數(shù)據(jù)集被劃分為h^d個(gè)網(wǎng)格；

(2)將每個(gè)數(shù)據(jù)點(diǎn)x_i∈D與網(wǎng)格索引j＝{1，...，h^d}做一個(gè)關(guān)聯(lián)，如果一個(gè)網(wǎng)格中不包含數(shù)據(jù)點(diǎn)，則不考慮該網(wǎng)格；

(3)對(duì)于劃分形成的空間中的各個(gè)網(wǎng)格j，求出網(wǎng)格的質(zhì)心C_j，并計(jì)算質(zhì)心C_j的局部離群因子Lof_k(C_j)；

(4)計(jì)算每個(gè)數(shù)據(jù)對(duì)象的局部離群因子值，數(shù)據(jù)集中對(duì)象的局部離群因子等于所屬網(wǎng)格質(zhì)心的離群因子。

2.根據(jù)權(quán)利要求1所述的一種基于偏離特征的離群點(diǎn)挖掘方法，其特征在于，所述步驟(3)中的網(wǎng)格的質(zhì)心C_j和質(zhì)心C_j的局部離群因子Lof_k(C_j)計(jì)算過程如下：

(3.1)計(jì)算質(zhì)心C_j的第k距離k_dist(C_j)；對(duì)于數(shù)據(jù)空間中的兩個(gè)對(duì)象C_j和o，以歐式距離為度量，對(duì)給定的正整數(shù)k，將C_j的第k距離概括為C_j與o之間的距離，記為k_dist(C_j)，其中對(duì)象o滿足如下條件為：至少存在k個(gè)對(duì)象o′∈D\{C_j}滿足d(C_j，o′)≤d(C_j，o)；至少存在k-1個(gè)對(duì)象o′∈D\{C_j}滿足d(C_j，o′)＜d(C_j，o)；

(3.2)計(jì)算質(zhì)心C_j的第k距離領(lǐng)域N_k(C_j)；將數(shù)據(jù)空間中與質(zhì)心C_j的距離小于或者等于k_dist(C_j)的質(zhì)心對(duì)象集合定義為N_k(C_j)，用公式表示為：

N_k(C_j)＝{o|d(C_j，o)≤k_dist(C_j)}；

(3.3)計(jì)算質(zhì)心C_j與其N_k(C_j)中數(shù)據(jù)點(diǎn)的可達(dá)距離；質(zhì)心C_j相對(duì)于其他質(zhì)心o的可達(dá)距離是指C_j的第k距離和C_j與o之間距離的較大值，用如下公式表示為：

reach_dist_k(C_j，o)＝max{k_dist(o)，d(C_j，o)}；

其中，o∈N_k(C_j)；

(3.4)計(jì)算質(zhì)心C_j的局部可達(dá)密度lrd_k(C_j)；lrd_k(C_j)是將質(zhì)心C_j與其第k距離領(lǐng)域N_k(C_j)中所有對(duì)象的平均可達(dá)距離求倒，計(jì)算公式為：

(3.5)通過以上得出的結(jié)果，求出質(zhì)心C_j的局部離群因子Lof_k(C_j)，公式為：

3.根據(jù)權(quán)利要求1所述的一種基于偏離特征的離群點(diǎn)挖掘方法，其特征在于：所述步驟(4)中計(jì)算每個(gè)數(shù)據(jù)對(duì)象的局部離群因子值，如果數(shù)據(jù)集D中的對(duì)象x_i屬于網(wǎng)格j，則該對(duì)象的局部離群因子表示為：

Lof_{G_k}(x_i)＝Lof_k(C_j)。