海量不确定数据集中离群点快速检测方法仿真

林 雪

(重庆师范大学涉外商贸学院，重庆 合川 401520)

1 引言

离散点检测作为数据挖掘中的一项重要技术，可为了解、分析数据提供参考和研究基础，被广泛应用于检测网络异常事件、物体监测等方面，可有效避免或降低不必要的数据损失[1]，避免对结果造成影响。因此，离散点检测技术的研究得到广泛关注。现阶段离散点检测技术主要应用于传统数据库中，虽然存在一定的可信性，但在实际收集和处理数据的过程上会受到诸多因素的影响，数据的不确定性会降低检测速度和检测准确性。相关研究人员对此展开深入研究，试图在提高检测效率的同时，降低计算复杂程度。

曹科研等[2]人提出基于密度的局部异常检测中，根据不确定数据模型的异常点定义进行数据集局部检测。在无法精确计算概率的情况下，通过估计局部异常点因子检测算法(PUDOL)，降低计算复杂程度。仿真证明该方法在计算能力方面性能较强，但检测精度较低。朱树才等[3]人针对实际系统中采集的数据流具有不确定性的问题，根据滑动基本窗口采样(Sliding basic window sampling，SBWS)算法以及高斯过程回归(Gaussian process regression，GPR)模型特征，提出了基于SBWS—GPR预测模型的不确定性多数据流的异常检测方法。在时间序列收集的历史数据集中，引入索引号进行聚类，分析数据集与索引号间的映射关系，通过滑动窗口实时匹配离散点，完成对单数据流的离散点检测。该方法经过实验验证，具有较高的检测精度，但检测速度无法达到标准。……