一种基于密度的不确定数据离群点检测算法

来源 :计算机科学 | 被引量 : 0次 | 上传用户:gxlzx
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
不确定数据普遍存在于如移动计算、RFID技术和传感器网络等大量应用之中。由于不确定数据的离群点检测算法可以提高服务质量,提出一种基于密度的不确定数据离群检测算法RLOF。该算法引入一种R2-tree结构,有效降低了计算局部离群因子时的时间复杂度,同时降低了不确定数据集中的数据更新成本以及海量数据维护成本。理论分析和实验结果充分证明了该算法是有效可行的。
其他文献
针对FScom在刻画模糊性知识及其3种不同否定关系上的一些不足,提出了广义模糊集GFScom,它从哲学层面上更好地刻画了模糊性知识及其3种不同否定之间的关系。在此基础上,给出了
一个可配置的业务过程模型可以通过配置来满足组织的特定要求。配置活动需要自动确定一个可配置过程模型的变体,同时保证该特定过程模型的正确性。然而,很少有方法能够解决此
为了提高视频流数据的传输质量,减小视频流数据的失真率,从而提高网络中视频流数据的利用效率,提出了一种多用户视频流分布式最小失真调度方案。该方案采用相加模型来捕捉总
特征选择已经成为一种对高维数据进行预处理的必不可少的手段.随着数据规模的爆炸性增长,传统的特征选择算法已经不能满足当前高维大规模数据的处理要求.采用Google的MapRedu
小型网络可以快速计算出可靠度精确值,但对于大型网络,可靠性精确值的计算非常困难,因此提出一种基于截断边扩展图的网络可靠性近似分析算法。实验结果证明,该算法能够在生成
近年来,稀疏表示分类(Sparse Representation Based Classification,SRC)方法在人脸识别中受到越来越多的关注。原始SRC方法使用所有的训练样本组成字典矩阵,当训练样本比较多时,稀疏系数的求解会变得非常耗时。为了解决这一问题,提出一种新的局部稀疏表示分类(Local SRC,LSRC)方法。该方法针对每个测试样本,根据测试样本和训练样本稀疏系数之间的相似性来
网络编码的出现为改进网络的传输性能提供了新的方法。J.K.Sundararajan等人将网络编码技术与传输控制协议相结合,提出了基于网络编码的TCP/NC协议,其在改进无线网络中传统TC
针对源信号统计独立的盲源分离(Blind Source Separation,BSS)问题,提出了一种基于Givens矩阵和联合非线性不相关的盲源分离新算法。由于分离信号独立性的度量是影响算法有效性