离群数据挖掘是数据挖掘领域中的主要研究内容之一,而逆K近邻是离群数据挖掘中的主要技术之一。离群数据是指明显偏离其他数据,不满足数据的一般模式或行为的数据对象,但由于维度灾难的影响,大多数传统离群数据方法难以适用于海量高维数据集。本文针对逆K近邻中出现的枢纽现象,对离群数据挖掘及其并行化进行了深入研究。主要研究成果如下:(1)给出了一种基于枢纽现象的离群数据挖掘算法。该算法首先根据逆K近邻中出现的枢纽现象,以及与离群数据的关系,利用K近邻中的距离信息作为权值,对逆K近邻的离群分数进行加权;其次随机生成离群区分度阈值,根据阈值判断离群区分度比例满意值,并根据该满意值计算数据对象的离群程度,选择离群程度最大的若干数据对象作为离群数据对象;最后采用人工数据集和UCI标准数据集,实验验证了该算法的有效性。(2)采用Spark分布式计算框架,给出了一种基于枢纽现象的离群数据并行挖掘算法。该算法使用弹性分布式数据集(RDD),将计算任务分发到各个节点,并在各计算结点分别计算数据对象的离群分数;将K近邻集、逆K近邻离群分数集等保存在内存中,有效降低I/O代价,从而提高了离群数据挖掘效率。采用天体光谱数据集,实验验证了该算法在Spark分布式计算框架下,具有良好的可伸缩性和可扩展性。