离群检测作为数据挖掘的重要研究内容之一,被广泛应用于信用卡欺诈交易、故障检测和医疗诊断等众多领域。为了有效检测高维数据中的离群数据,研究学者们提出了基于子空间的离群检测算法,其中隔离森林(IForest)和基于直方图的离群检测(HBOS)作为两种典型的子空间算法,在生产生活中得到广泛应用,但仍然存在着准确率不高、稳定性较差和效率较低等缺陷。本文从离群特征子空间采样的角度出发,对上述两种算法存在的问题分别进行研究,提出相应的改进策略,并将改进后的算法应用到天体光谱数据的分析中。主要研究成果如下:(1)针对IForest在隔离树构建过程中随机性较大和组合隔离树时效率较低的问题,本文提出了一种基于隔离森林的快速离群检测算法。该算法首先通过启发式方法选择隔离树样本,在建树过程中选取特定的切割点把数据插入到相应的叶子节点,以减少随机选择对算法性能的影响。其次,将若干隔离树组成隔离森林,计算被隔离出的每个叶子节点的离群程度。最后,选取若干个离群程度较大的数据对象作为最终的离群数据。理论分析和实验结果表明,改进算法能够有效提高隔离森林算法的效率。(2)HBOS算法在检测高维海量数据时效率较高,但算法假设各维度相互独立,可能导致检测结果不稳定,对局部离群数据不敏感。针对以上问题,提出了一种改进的直方图算法。该算法首先采用极端梯度提升树搜索数据集中的离群相关子空间,按离群重要程度选取特征来构造离群直方图。其次,对每个样本进行密度估计并计算离群值。最后,将离群值较高的若干数据对象标记为离群数据。实验表明改进算法与HBOS相比准确性和稳定性明显提高。(3)在上述研究的基础上,对LAMOST光谱数据进行离群分析,设计并实现了天体光谱离群检测原型系统,并介绍了系统相关模块和功能,运行结果表明该原型系统为探索离群的、特殊的天体提供了一种新途径。