-
题名基于Voronoi图的异常检测算法
被引量：5
- 1
-
-
作者
曲吉林
寇纪淞
李敏强
安世虎
-
机构
山东财政学院计算机与信息工程学院
天津大学系统工程研究所
-
出处
《计算机工程》
CAS
CSCD
北大核心
2007年第23期35-36,39,共3页
-
文摘
异常检测是数据挖掘的一个重要组成部分,其中基于密度的方法LOF是目前常用的主要方法。然而LOF方法进行检测时需要设定参数k和MinPts,检测结果对参数非常敏感,容易造成检测错误。该文提出了一种基于Voronoi图的异常检测算法VOD,采用Voronoi图来确定对象间的邻近关系,解决了基于密度方法存在的问题,算法的时间复杂性从O(N2)降低到O(NlogN)。
-
关键词
数据挖掘
异常检测
基于密度
VORONOI图
-
Keywords
data mining
outlier detection
density-based
Voronoi diagram
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名一种带有维度抽取的Pareto协同进化算法
被引量：1
- 2
-
-
作者
杨莉萍
黄厚宽
-
机构
北京交通大学计算机与信息技术学院
山东财政学院计算机与信息工程学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2010年第9期1504-1513,共10页
-
基金
国家自然科学基金项目(60443003)
-
文摘
保证评价的可靠性和有效性是协同进化算法面临的主要挑战.近期研究显示协同进化问题域内隐含存在着一个维度系统,决定了问题解的完整评价指标.分析了维度结构表现出的个体间特征收益关系,提出了一种在线维度抽取方法,并将其集成到协同进化算法中,在进化过程中,同步抽取问题的维度,建立维度系统,为个体提供准确评价,并指导选择和保优操作,以此确保进化稳定进展.抽象问题上的实验结果验证了本算法的可行性,并表明本算法在性能和维度抽取的准确性上均高于现存同类算法.
-
关键词
协同进化
基于测试问题
维度抽取
准确评价
可靠进展
-
Keywords
coevolution
test-based problem
dimension extraction
accurate evaluation
reliable progress
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种基于Voronoi图的高效异常检测方法
被引量：1
- 3
-
-
作者
曲吉林
-
机构
山东财政学院计算机与信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2008年第3期178-179,共2页
-
基金
山东省科技攻关计划(the Key Technologies R&D Program of Shandong Province
China under Grant No.2007GG3WZ10010)
山东财政学院博士科研启动基金资助( No.06BSJJ09)
-
文摘
提出了一种新的基于Voronoi图的异常检测方法。采用Voronoi图来确定对象间的邻近关系,定义了一种新的异常因子,算法的时间复杂性为O(nlogn)。实验结果表明,同现有的算法相比具有较高的检测效率和准确性。
-
关键词
数据挖掘
异常检测
VORONOI图
-
Keywords
data mining
outlier detection
Voronoi diagram
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
