高维数据流的聚类离群点检测算法研究
针对基于聚类的离群点检测算法在处理高维数据流时效率和精确度低的问题,提出一种高维数据流的聚类离群点检测(CODHD-Stream)算法.该算法首先采用滑动窗口技术对数据流划分,然后通过属性约简算法对高维数据集降维;其次运用基于距离的信息熵过滤机制的K-means聚类算法将数据集划分成微聚类,并检测微聚类的离群点.通过实验结果分析表明:该算法可以有效提高高维数据流中离群点检测的效率和准确度.
文件下载
评论信息
其他资源
- 金融随机分析 Shreve 中文版
- 基于PYTHON的行人检测与轨迹追踪
- LOF算法MATLAB实现
- 各种最小二乘法汇总（算例及MATLAB程序）
- 如何自己编写一个交通仿真软件 中配套的程序文件
- 2020年中国石油大学(华东)本科毕业设计(论文)参考模板.doc
- MicroStation CE 10版本 中文版
- SOT23 的库封装
- 米联客FPGA 千兆以太网部分（2-2）
- VTK-8.0.1编译后，可直接放到pcl-1.8.1下替换
- json-lib-2.3-jdk15.jar包
- Xilinx_Vivado_SDK_Web_2017.4_1216_1_Win64.exe
- 基于AWS的云上数仓构建课件.zip
- 双通14位AD转换芯片AD7366-7367开发板参考设计+软件DEMO例程+手册.zip
- 字体裁剪工具.zip
- tab切换效果dome包.rar
- miktex(latex的介绍及详细讲解)
- OpenGL实现的三维桌球游戏模拟源代码
- 台达伺服ASDA-B2使用手册(简体最新).pdf
- java 多线程 打字游戏
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明