Multigranulation Relative Entropy-Based Mixed Attribute Outlier Detection in Neighborhood Systems论文精

Multigranulation Relative Entropy-Based Mixed Attribute Outlier Detection in Neighborhood Systems

---

Abstract

离群点检测广泛应用于入侵检测、信用卡欺诈检测、医疗诊断等领域等等。现有的离群点检测算法大多是为处理数字或分类属性而设计的。然而，在实际应用中，数据通常以混合属性的形式存在。
本文提出了一种基于多粒度相对熵的邻域粗糙集混合属性离群点检测方法。
首先，通过优化混合距离度量和统计值的半径来构造邻域系统。
其次，引入邻域熵作为数据的不确定性度量。
此外，通过三种属性序列定义了三种基于多粒化相对熵的矩阵，并将基于多粒化相对熵的离群因子集成起来，以表示每个对象的离群程度。基于提出的离群点检测模型，设计了相应的算法。
最后，通过对公共数据的