计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2013年
8期
60-63,68
,共5页
动态增量数据库%局部离群因子算法%lncLOF算法%DBSCAN算法%聚类
動態增量數據庫%跼部離群因子算法%lncLOF算法%DBSCAN算法%聚類
동태증량수거고%국부리군인자산법%lncLOF산법%DBSCAN산법%취류
dynamic incremental database%Local Outlier Factor(LOF) algorithm%IncLOF algorithm%DBSCAN algorithm%clustering
传统局部离群因子(LOF)算法在动态增量数据库环境下,进行二次异常数据挖掘需重新计算所有数据对象局部偏离因子,存在效率较低的问题.为此,提出一种基于聚类和快速计算的异常数据挖掘算法.对传统DBSCAN算法进行改进,并且在该改进算法聚类的基础上,仅对部分数据对象计算局部偏离因子.实验结果表明,该算法在动态增量数据库环境下,与LOF与lncLOF算法相比,不仅计算时间效率高,而且能提高挖掘异常数据的精度.
傳統跼部離群因子(LOF)算法在動態增量數據庫環境下,進行二次異常數據挖掘需重新計算所有數據對象跼部偏離因子,存在效率較低的問題.為此,提齣一種基于聚類和快速計算的異常數據挖掘算法.對傳統DBSCAN算法進行改進,併且在該改進算法聚類的基礎上,僅對部分數據對象計算跼部偏離因子.實驗結果錶明,該算法在動態增量數據庫環境下,與LOF與lncLOF算法相比,不僅計算時間效率高,而且能提高挖掘異常數據的精度.
전통국부리군인자(LOF)산법재동태증량수거고배경하,진행이차이상수거알굴수중신계산소유수거대상국부편리인자,존재효솔교저적문제.위차,제출일충기우취류화쾌속계산적이상수거알굴산법.대전통DBSCAN산법진행개진,병차재해개진산법취류적기출상,부대부분수거대상계산국부편리인자.실험결과표명,해산법재동태증량수거고배경하,여LOF여lncLOF산법상비,불부계산시간효솔고,이차능제고알굴이상수거적정도.
