论文研究基于粗约简和网格的离群点检测.pdf

为解决现有高维海量数据离群点挖掘在时间与空间效率上的不足，提出了一种基于粗约简和网格的离群点检测算法RRGOD。算法在基于密度的离群点检测算法LOF的基础上，结合粗糙集理论特点，引入属性权值概念，淘汰属性权值低于重要度阈值的属性降低维度，从而减少了进行聚类的计算量。在网格聚类阶段，对传统的网格划分方法进行改进，引入属性维半径向量概念，提出了一种可变网格划分方法，根据数据集特点自适应地划分网格空间。在真实数据集和仿真数据集上进行了实验。结果表明，该算法在进行离群点检测时能在保持足够精确度的同时，检测效率有显著的改善。