基于相关子空间的多源离群检测算法

作     者：马洋 赵旭俊 MAYang;ZHAO Xujun

作者机构：太原科技大学计算机科学与技术学院太原030024 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2021年第57卷第17期

页      面：88-95页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61572343,U1931209) 山西省应用基础研究计划项目(201901D111257,201901D211303) 山西省重点研发计划项目(201903D121116) 太原科技大学科研启动基金(20192013) 

主　　题：离群检测 多源数据 子空间 数据挖掘 稀疏因子 

摘      要：传统的离群检测方法多数源于单个数据集或多数据源融合后的单一数据集,其检测结果忽略了多源数据之间的关联知识和单数据源中的关键信息。为了检测多源数据之间的离群关联知识,提出一种基于相关子空间的多源离群检测算法RSMOD。结合k近邻集和反向近邻集的双向影响,给出面向多源数据的对象影响空间,提高了离群对象度量的准确性;在影响空间基础上,提出面向多源数据的稀疏因子及稀疏差异因子,有效地刻画了数据对象在多源数据中的稀疏程度,重新定义了相关子空间的度量,使其能适用于多源数据集,并给出基于相关子空间的离群检测算法;采用人工合成数据集和真实的美国人口普查数据集,实验验证了RSMOD算法的性能并分析了源于多数据集的离群关联知识。