流数据中的离群点检测聚类方法-研究论文

许多领域的基本且活跃的研究问题是异常值检测。 它涉及许多应用程序。 许多这些方法基于距离测量。 但是对于流数据，这些方法效率不高。 以前关于离群点检测的大部分工作都声明了在线离群点，这些工作的准确性较低，可能会导致错误的决策。 此外，与庞大的数据流相比，由于内存资源有限，数据流中异常值检测的现有工作一旦到达就将一个点声明为异常值/异常值，通常在它到达时声明异常值可能会导致我们出错决定，因为传入数据的动态特性。 本研究的目的是提出一种通过聚类方法检测流数据中的异常值的算法，该方法集中在一段时间内寻找真正的异常值。 它被认为是前一次接收到的一些异常值，并在流数据中找出真正的异常值。 这种方法的准确率高于其他方法。