一种面向高维混合属性数据的异常挖掘算法
异常检测是数据挖掘领域研究的最基本的问题之一,它在欺诈甄别、气象预报、客户分类和入侵检测等方面有广泛的应用.针对网络入侵检测的需求提出了一种新的基于混合属性聚类的异常挖掘算法,并且依据异常点(outliers)是数据集中的稀有点这一本质,给出了一种新的数据相似性和异常度的定义.本文所提出算法具有线性时间复杂度,在KDDCUP99和Wisconsin Prognosis BreastCancer数据集上的实验表明,算本法在提供了近似线性时间复杂度和很好的可扩展性的同时,能够较好的发现数据集中的异常点.
异常检测、聚类、数据挖掘
25
TP311.13;TP18(计算技术、计算机技术)
国家自然科学基金60273075
2005-06-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
1353-1356