·154 智能系统学报 第5卷 每扫描一遍数据集只能发现1个离群点，因此 1.1 aOMBIE &LOF DENBROD GreedAlg GreedAlg算法的运行效率则降低了.LOF算法与 1.0 ENBROD算法在处理高维数据时，索引结构失效， 遇类 0.9 0.8 时间复杂度退化为0(n2). 0.7 不同算法的准确度对比 0.6 18 22 36 56 1.r OMBIE&LOF DENBROD GreedAlg 维度 1.0 0.9 图2不同算法对数据集维数的伸缩性对比 0.8 Fig.2 Scaling of precisions with dataset dimensionality 0.7 06 4.3恒星光谱数据 NE1000LS NE2000LS NE4000LS NE6000LS NE8000LS 采用国家天文台提供的恒星光谱数据，并使用 图3不同算法的准确度对比 文献[15]中的方法对其进行预处理，预处理后作为 Fig.3 Accuracy of OMBIE,LOF,ENBROD and GreedAlg 实验数据集.预处理简述如下：1)选定间隔为20的 200个波长为3810,3530，··，7790作为属性集， 2510数据集大小对算法执行时问的影响 ◆一OMBIE 20 共200个属性；2)依据每一波长处的流量、峰宽和 4一LOF 15 ENBROD 形状，将其离散化为13种数值之一，并作为该波长 10 GreedAlg 处的取值.然后，均匀地加入3%具有较大偏差的数 据点作为离群点，得到测试数据集.采取对测试数据 04 0.10.20.40.60.8315×10 集中的采样数据作预分析的实验方案，离群检测的 数据集中记录的数量 准确度的评估标准为 图4数据集大小对算法协作时间的影响对比 正确离群点的个数 Fig.4 Running time of OMBIE,LOF,ENBROD and GreedAlg 准确率=期望得到离群点的个数 5结束语 图3是测试算法检测离群点准确度的实验结 果，从图中可以知道OMBIE比LOF、ENBROD算法 对于高维数据，传统的离群数据挖掘算法不再 的准确度高，与GreedAlg算法的准确度相当.这是 有效.本文引人一个离群数据度量因子用来度量每 因为OMBE算法既可以发现离群程度最强的离群 一条记录的离群程度，与L0F算法中通过局部异常 点，也可以发现离群程度最弱的离群点，所以它可以 因子定义的离群点类似，即离群不再是一个二值属 发现尽可能多的离群点.而LOF算法不能发现全部 性（不是离群点，就是常规点），摒弃了以前异常定 的离群数据是因为高维空间中的数据具有高稀疏性 义中非此即彼的绝对异常观念，更加符合现实生活 和不规则性的特点，基于密度的异常意义应用到高 中的应用.OMBE算法不需要事先人为设置参数和 维数据时失效了，使得LOF算法不能检测到一些离 阈值，算法可以自动产生离群点.由离群数据度量因 群点.ENBROD算法的准确度受输人参数的影响较 子定义的离群点，可以对其做出解释（离群点就是 大.尽管实验结果表明GreedAlg算法的准确度与 使系统无序和杂乱的因素)，此外OMBIE算法还可 OMBE算法相当，这是由于此实验方案事先知道数 以应用于标称属性数据.实验结果表明，OMB亚与 据集中有多少离群点；但是在实际应用中，事先并不 ENBROD、GreedAlg和LOF算法相比，在发现高维空 知道数据集中有多少离群数据，GreedAlg算法的准 间的离群数据的能力和效率上都有提高 确度则会有所降低的.OMBE算法在挖掘离群点 参考文献： 时，不需要人为设置参数，会自动地检测数据集中的 离群点；所以不会因为事先不知道数据集中有多少 [1]HAN Jiawei,KAMBER M.Data mining:concepts and tech- 离群数据而受到影响，能更有效地检测出离群点· niques[M].Bejing:China Machine Press,2006:254-255. [2]HAWKINS D.Identification of outliers [M].London:Chap- 图4是测试数据集大小对算法影响的实验结 man and Hall,1980:2-28. 果，OMBIE比LOP、ENBROD及GreedAlg算法（参数 [3]BARNETT V,LEWIS T.Outliers in statistical data[M]. k设置为5时)挖掘效率要高.OMBE算法在挖掘离 New York:John Wiley Sons,1994:7,49. 群点时，无论用户期望产生多少离群点都只扫描一 [4]RUTS I,ROUSSEEUW P.Computing depth contours of bi- 遍数据集，而GreedAlg算法需要扫描k遍数据集， variate point clouds[J].Computational Statistics and Data