离群数据挖掘是数据挖掘中的主要研究内容之一,通过离群数据挖掘,能够发现一些真实的、但又出乎人们意外的知识,因而引起了广大研究者的兴趣。传统的离群数据挖掘方法大多数是利用全局的观点看待离群数据,很难发现低维子空间中的偏移数据,而且很难直接应用到高维数据集中。本文先把高维子空间划分为低维子空间,对低维子空间中偏离数据(即:离群数据)挖掘算法进行了较深入的研究。主要研究工作如下:(1)给出了一种基于微粒群和子空间的离群数据挖掘算法。该算法首先将子空间看作微粒,根据偏离数据所在子空间的稀疏系数,采用带有变异算子的微粒群算法PSO来搜索子空间,并将子空间中的数据看作为局部偏离数据,即离群数据。最后,采用离散化的天体光谱数据作为数据集,实验结果验证了算法的有效性。(2)给出了一种基于子空间划分的局部离群数据挖掘算法。该算法首先将数据集划分为互不相交的子空间,利用偏斜度来度量子空间划分的优劣,并采用微粒群算法搜索最优划分子空间集;其次针对每个最优划分子空间,计算其数据对象的局部离群因子SPLOF值,并将SPLOF值作为度量数据对象的局部偏离程度。最后采用离散化的天体光谱数据作为数据集,实验验证了该算法具有不依赖于用户输入的参数、伸缩性强和运算效率高等优点。(3)在上述研究的基础上,以VC++和Oracle9i为开发工具,设计并实现了基于子空间的离群挖掘原型系统,并对软件功能模块及关键技术进行了详细描述。