论文部分内容阅读
离群数据发现与分析是数据挖掘的重要组成部分，现有离群数据挖掘算法主要针对如何检测离群对象，缺乏对挖掘出的离群数据集进行解释与分析的有效方法．通过对离群数据来源及特性进行分析并结合粗糙集理论，定义了离群划分相似度的概念，提出了一种基于关键属性域子空间的离群数据聚类算法COKAS，该算法不仅揭示了离群数据子空间特性，进一步获取了扩展知识，而且有助于对整体数据集的理解．对两个多维数据集的实验结果表明，该算法具有良好的适应性及有效性．