一种基于子空间的离群点检测算法制造技术

本发明专利技术公开了一种基于子空间的离群点检测算法，本发明专利技术对样本集的每个属性所携带的信息量进行计算，选择切割子空间的属性，然后确定切割点比切割点小的数据放入左子树，大的放入右子树，递归建树操作，直到当前子树只包含一个节点或者达到树高，将若干树集成森林。本发明专利技术相比于现有方法离群点检测性能有所提高，提高了算法检测精度。

A subspace based outlier detection algorithm

【技术实现步骤摘要】
一种基于子空间的离群点检测算法
本专利技术属于数据挖掘领域，具体涉及一种基于子空间的离群点检测算法。
技术介绍
20世纪60年代以来，数据挖掘技术已经成为应用人工智能的一个重要分支。而离群点检测作为数据挖掘的一项重要任务，经过不断发展完善已经形成了许多针对不同任务的方法：1)基于密度的离群点检测算法，该方法试用于局部离群点。2)基于距离的离群点检测算法，该方法试用于检测全局离群点。3)基于集成的异常点检测，Liu等人提出了SCiForest和iForest算法，能够快速高效的检测大数据中的异常点。以上方法各自有其优缺点，因此不同的挖掘任务采用的方法也不尽相同。但上述算法不适合高维海量数据中检测离群点，因此本文提出了一种基于子空间的离群点检测算法。
技术实现思路
本专利技术的目的在于克服上述不足，提供一种基于子空间的离群点检测算法，该算法基于iForest算法改进，将改进后的算法命名为NIF。NIF算法通过引入信息增益公式计算属性信息量，通过信息量来选取切割维度，提高算法检测精度。为了达到上述目的，本专利技术包括以下步本文档来自技高网...

【技术保护点】
1.一种基于子空间的离群点检测算法，其特征在于，包括以下步骤：/n步骤一，在有标签的数据D中随机选择Φ个样本作为根节点，根据信息增益方法选择切割子空间的属性T；/n步骤二，计算属性T的熵；/n步骤三，根据属性的熵计算属性T给分类C带来的信息增益；/n步骤四，通过熵的计算公式推得属性T与类别的信息增益公式；/n步骤五，计算每个属性的信息增益值，按照信息增益值排序，筛选属性，构成新的属性子空间；/n步骤六，新的属性子空间中随机选择一个属性p构成的超平面来切割空间，把小于p的数据放在当前节点的左孩子，把大于等于p的数据放在当前节点的右孩子；/n步骤七：在孩子节点中递归构造新的孩子节点，直到满足以下条...

【技术特征摘要】
1.一种基于子空间的离群点检测算法，其特征在于，包括以下步骤：
步骤一，在有标签的数据D中随机选择Φ个样本作为根节点，根据信息增益方法选择切割子空间的属性T；
步骤二，计算属性T的熵；
步骤三，根据属性的熵计算属性T给分类C带来的信息增益；
步骤四，通过熵的计算公式推得属性T与类别的信息增益公式；
步骤五，计算每个属性的信息增益值，按照信息增益值排序，筛选属性，构成新的属性子空间；
步骤六，新的属性子空间中随机选择一个属性p构成的超平面来切割空间，把小于p的数据放在当前节点的左孩子，把大于等于p的数据放在当前节点的右孩子；
步骤七：在孩子节点中递归构造新的孩子节点，直到满足以下条件中的一个：
1)孩子节点中只有一个数据；
2)孩子节点已到达限定高度；
3)当前子树的所有节点值的所有属性完全一致；
停止...

【专利技术属性】
技术研发人员：张瑶瑶，韩博，谭薇，王丹，杜丰，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61