论文部分内容阅读
近几年，随着数据流和不确定数据的产生，不确定数据流上的异常点检测成为新的研究热点。然而，现有的不确定数据的异常点定义中涉及3个参数，这对于用户是非常难设定的，以致不能查询到适合的异常点。在大多时候，用户更想知道最可能是异常点的对象，因此提出了不确定数据流上的top-k异常点查询算法。该算法通过估计数据对象异常点的概率范围而进行剪枝，从而减少了一些不必要的计算，同时增量地计算数据对象异常点的概率范围。在真实数据集和合成数据集上进行了一系列的模拟实验，证明了算法的性能。