,,

(蘇州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇 蘇州 215006)

0 概述

異常檢測(cè)旨在從數(shù)據(jù)集中快速有效識(shí)別異常點(diǎn),在金融數(shù)據(jù)分析、網(wǎng)絡(luò)安全、醫(yī)學(xué)疾病與藥物分析領(lǐng)域被廣泛應(yīng)用。基于無(wú)線傳感網(wǎng)和GPRS技術(shù),對(duì)物理世界進(jìn)行感知,則是數(shù)據(jù)挖掘異常檢測(cè)領(lǐng)域又一重要研究方向[1]。傳統(tǒng)的異常檢測(cè)算法主要分為基于統(tǒng)計(jì)的異常點(diǎn)檢測(cè)算法、改進(jìn)的基于距離的異常點(diǎn)檢測(cè)算法、基于密度的局部異常點(diǎn)檢測(cè)算法[2],它們主要基于統(tǒng)計(jì)學(xué)理論,以歐氏距離作為異常評(píng)判標(biāo)準(zhǔn)。

基于傳感器技術(shù)的數(shù)據(jù)挖掘能從大量、模糊的復(fù)雜數(shù)據(jù)中提取出潛在的、有價(jià)值的信息,而且傳感器網(wǎng)絡(luò)數(shù)據(jù)多以高維形式存在,具有海量、異構(gòu)有噪聲、實(shí)時(shí)要求性高等特性,這使得傳統(tǒng)的數(shù)據(jù)分析算法檢測(cè)出異常點(diǎn)的效果不明顯,而且時(shí)間復(fù)雜度過(guò)高,具有潛在的局限性。高維數(shù)據(jù)流的異常檢測(cè)面臨較多的挑戰(zhàn)。

國(guó)內(nèi)外已有大量的學(xué)者針對(duì)無(wú)線傳感網(wǎng)的數(shù)據(jù)挖掘進(jìn)行相關(guān)研究并提出一系列方法用于高維數(shù)據(jù)流的異常檢測(cè)。如文獻(xiàn)[3]采用K-means算法思想,比較傳感器節(jié)點(diǎn)采集的數(shù)據(jù)點(diǎn)的相似度并劃分聚類,根據(jù)數(shù)據(jù)點(diǎn)與聚類中心的距離區(qū)分正常數(shù)據(jù)與異常數(shù)據(jù),但該方法采集的數(shù)據(jù)點(diǎn)維數(shù)有限,不適合高維數(shù)據(jù)的檢測(cè)。文獻(xiàn)[4]提出采用基于模式的聚類算法,分段取模式特征,并結(jié)合K最近鄰算法計(jì)算局部異常因子。文獻(xiàn)[5]提出一種快速數(shù)據(jù)流離群點(diǎn)檢測(cè)算法FODFP-Stream,通過(guò)動(dòng)態(tài)發(fā)現(xiàn)和維護(hù)頻繁模式來(lái)計(jì)算高維類別屬性數(shù)據(jù)點(diǎn)離群度實(shí)現(xiàn)快速有效檢測(cè),但針對(duì)數(shù)值屬性和混合屬性數(shù)據(jù)的異常檢測(cè)缺乏一定的擴(kuò)展性。

針對(duì)高維空間下的異常點(diǎn)檢測(cè),文獻(xiàn)[6]提出基于角度的異常檢測(cè)算法(Angle-based Outlier Detection,ABOD)[6]。在高維空間中,角度比距離更穩(wěn)定,余弦角度方差一定程度上可以反映數(shù)據(jù)的異常度[6-7]。在此基礎(chǔ)上,文獻(xiàn)[8]提出了HODA算法,定義了方差異常因子和網(wǎng)格密度等相關(guān)概念,通過(guò)降維和網(wǎng)格劃分處理數(shù)據(jù)集,最后根據(jù)剩余的網(wǎng)格計(jì)算異常因子ABOF。雖然該算法準(zhǔn)確率較高,但是算法時(shí)間復(fù)雜度仍較高。

高維數(shù)據(jù)流是連續(xù)的時(shí)間序列值,正常情況下在一定范圍內(nèi)出現(xiàn)小幅度的波動(dòng)。某一異常點(diǎn)的出現(xiàn)與上一條數(shù)據(jù)存在一定的偏差,或者從某一時(shí)間序列開始,數(shù)據(jù)點(diǎn)偏離最佳數(shù)據(jù)集[9]。針對(duì)高維數(shù)據(jù)流的這一特點(diǎn),本文提出一種改進(jìn)的基于角度方差的數(shù)據(jù)流異常檢測(cè)算法。該算法根據(jù)采集的高維數(shù)據(jù)流特點(diǎn),利用網(wǎng)格劃分出最佳數(shù)據(jù)集網(wǎng)格和最近數(shù)據(jù)集網(wǎng)格提高算法的運(yùn)行效率。

1 問(wèn)題描述及相關(guān)定義

下面簡(jiǎn)要介紹相關(guān)知識(shí):

定義1假設(shè)高維數(shù)據(jù)流是一種K元關(guān)系R={rt|rt∈S,t=1,2,…},其中,元組rt(t=1,2,…)連續(xù)到達(dá)[10],t為該數(shù)據(jù)點(diǎn)到達(dá)時(shí)間,K為數(shù)據(jù)的維度。

定義2假設(shè)給定一種Rd空間上的數(shù)據(jù)集S={X1,X2,…,Xi,…,Xn}以及一個(gè)樣本點(diǎn)Xp∈S,隨機(jī)選擇一對(duì)樣本點(diǎn)Xm,Xn∈S{Xp},θmpn為向量mp與pn的角度,所有θmpn的角度方差值為:

VOAp=Var[θmpn]=MOA2(p)-(MOA1(p))2

(1)

其中:

(2)

(3)

定義3最佳數(shù)據(jù)集網(wǎng)格是數(shù)據(jù)流的小規(guī)模數(shù)據(jù)流型。在數(shù)據(jù)空間中,由角度方差在閾值μ內(nèi)的數(shù)據(jù)點(diǎn)被且標(biāo)記為正常數(shù)據(jù)的數(shù)據(jù)點(diǎn)組建成網(wǎng)格。

基于物聯(lián)網(wǎng)技術(shù)采集的數(shù)據(jù)流采集可以感知電梯運(yùn)行整體狀況。電梯數(shù)據(jù)流模型中有實(shí)時(shí)狀態(tài)數(shù)據(jù)和維保特征、運(yùn)行特征等,數(shù)據(jù)來(lái)源更豐富,潛在高階特征多,更全面地反映電梯運(yùn)行健康狀況:

1)電梯基本特征包含了電梯基本信息,包括電梯使用年限和已使用年限、額定速度等。

2)電梯維保特征是電梯維保狀況的重要體現(xiàn),如電梯維保頻次、平均維保時(shí)間等。

3)電梯運(yùn)行特征主要包括當(dāng)月故障次數(shù)、困人次數(shù)和用戶投訴情況等。

4)電梯機(jī)械節(jié)點(diǎn)實(shí)時(shí)狀態(tài),這是電梯特征中最關(guān)鍵的特征。以傳感器和通信技術(shù)為基礎(chǔ),感知電梯各重要機(jī)械節(jié)點(diǎn)的實(shí)時(shí)運(yùn)行狀態(tài)。

2 改進(jìn)的高維數(shù)據(jù)流異常檢測(cè)算法

本文利用數(shù)據(jù)集網(wǎng)格劃分加快了ABOD算法的計(jì)算,同時(shí)通過(guò)實(shí)時(shí)更新網(wǎng)格的機(jī)制保證數(shù)據(jù)檢測(cè)精度;基于此,針對(duì)電梯狀態(tài)數(shù)據(jù)先進(jìn)行預(yù)處理,對(duì)數(shù)據(jù)屬性進(jìn)行篩選,其次將本文改進(jìn)算法運(yùn)用于電梯數(shù)據(jù)流的異常分析。

實(shí)時(shí)數(shù)據(jù)流的檢測(cè)需要算法具有較好的及時(shí)性和準(zhǔn)確性。本文改進(jìn)算法的主要思想為:根據(jù)數(shù)據(jù)分布對(duì)數(shù)據(jù)流進(jìn)行劃分,文獻(xiàn)[8]通過(guò)對(duì)所有的數(shù)據(jù)點(diǎn)進(jìn)行網(wǎng)格劃分來(lái)過(guò)濾正常區(qū)域,但這一方法未考慮數(shù)據(jù)流的概念轉(zhuǎn)移問(wèn)題,在本文算法的執(zhí)行過(guò)程中,實(shí)時(shí)維護(hù)一個(gè)最佳數(shù)據(jù)網(wǎng)格和最近數(shù)據(jù)網(wǎng)格,據(jù)此對(duì)最新采集的高維數(shù)據(jù)計(jì)算角度方差異常因子,使得歷史數(shù)據(jù)流中部分?jǐn)?shù)據(jù)參與角度方差因子的計(jì)算,計(jì)算代價(jià)小,滿足實(shí)時(shí)性要求;對(duì)于算法檢測(cè)出的異常點(diǎn),分析導(dǎo)致數(shù)據(jù)異常的主要屬性,確保算法對(duì)數(shù)據(jù)異常屬性的識(shí)別能力。

如圖1所示,計(jì)算正常網(wǎng)格和候選網(wǎng)格中數(shù)據(jù)點(diǎn)的異常因子,HODA算法認(rèn)為角度方差異常因子小于閾值的數(shù)據(jù)點(diǎn)為異常點(diǎn)。

圖1 數(shù)據(jù)點(diǎn)角度方差

算法高維數(shù)據(jù)流異常檢測(cè)

輸入最佳數(shù)據(jù)網(wǎng)格閾值μ,最佳數(shù)據(jù)網(wǎng)格尺度BL,最近數(shù)據(jù)網(wǎng)格尺度RL

輸出異常數(shù)據(jù)集S

1.Best_grid→?,Latest_grid→?

2.for inputXiFrom Datastream,init grids

3.for all Diin best_grid,calculate the XiVOA

4.for allFiin Latest_grid,calculate the XiVOA

5.calculate the averageVOA according to the above VOA value.

6.if VOA of Xi<μ,label Xias normal

7.if number of Di>BL,dequeue the first record

8.else Di=DiU {Xi}

9.if number ofFi>RL,dequeue the first record

10.else Fi=FiU {Xi}

11.else S=S U {Xi}

12.end

其中,步驟3、步驟4是算法的核心步驟,以上步驟的流程如圖2所示。

圖2 算法流程

為使算法運(yùn)行效率更高,在計(jì)算角度方差異常因子之前,算法先由樣本值和最佳數(shù)據(jù)網(wǎng)格閾值篩選出最佳數(shù)據(jù)集區(qū)域。最佳數(shù)據(jù)集網(wǎng)格劃分閾值是一個(gè)關(guān)鍵參數(shù)。在取不同值時(shí),最佳數(shù)據(jù)網(wǎng)格抽象的結(jié)果相差很大。當(dāng)過(guò)大時(shí),網(wǎng)格劃分粒度過(guò)大,網(wǎng)格中數(shù)據(jù)增加,從而加大了計(jì)算量,算法優(yōu)化效果不明顯。反之,當(dāng)過(guò)小時(shí),最佳數(shù)據(jù)集代表性不強(qiáng)。此時(shí),雖然計(jì)算效率提高,但聚類效果也明顯下降。

最佳數(shù)據(jù)集閾值μ、最佳數(shù)據(jù)集尺度BL和最近數(shù)據(jù)集尺度RL是影響算法精度的主要因素,而且不同的尺度和閾值對(duì)應(yīng)于不同的算法精度。為了獲得最優(yōu)的尺度和閾值,算法需要進(jìn)行大量的實(shí)際測(cè)試。一般而言,每種應(yīng)用產(chǎn)生的數(shù)據(jù)集對(duì)應(yīng)于一定的規(guī)律與特性,同時(shí)也對(duì)應(yīng)了一組最優(yōu)的權(quán)值和閾值[11]。大量實(shí)驗(yàn)結(jié)果表明,只要獲得一組與數(shù)據(jù)集對(duì)應(yīng)的最優(yōu)權(quán)值和閾值,算法即可以獲得較高的準(zhǔn)確性。

3 基于改進(jìn)算法的電梯異常數(shù)據(jù)檢測(cè)

3.1 數(shù)據(jù)預(yù)處理

在高維數(shù)據(jù)流分析中,如何從大量復(fù)雜原始特征中去除影響因子小的相關(guān)特征,提取關(guān)鍵特征,對(duì)于提高檢測(cè)精度和效率必不可少[12]。

1)RTS特征

傳感器采集的電梯各機(jī)械部位實(shí)時(shí)特征在4大數(shù)據(jù)源中所占比重最大,也是最有價(jià)值的特征值。在本文項(xiàng)目中,通過(guò)傳感器技術(shù)可以采集到的電梯特征值如圖3所示,同一時(shí)刻采集電梯共19維特征。

圖3 電梯各部位實(shí)時(shí)特征值

2)MTS特征

維保特征是電梯檢修和維護(hù)狀態(tài)的體現(xiàn)。本文選擇了比較重要的維保周期、維保項(xiàng)目、平均維保時(shí)長(zhǎng)和維保滿意程度等4個(gè)特征。

3)FD特征

電梯基本特征是對(duì)電梯主要特征的描述。根據(jù)關(guān)鍵質(zhì)量指標(biāo)[13]選擇了額定載重、電梯層站門數(shù)、折余價(jià)值和日平均使用時(shí)間等4個(gè)關(guān)鍵特征。

4)RTD特征

電梯運(yùn)行特征是指電梯故障統(tǒng)計(jì)特征,包括過(guò)去一周電梯故障次數(shù)、困人次數(shù)、被投訴次數(shù)和工單派發(fā)次數(shù)等,這是電梯重要異常特征歷史值。

其中,RTS是無(wú)線傳感網(wǎng)采集的電梯各關(guān)鍵部位實(shí)時(shí)數(shù)據(jù)流,后3類特征值是較為穩(wěn)定的電梯特征值,以周為單位進(jìn)行統(tǒng)計(jì)查詢得到相關(guān)特征。

電梯部分狀態(tài)特征如表1所示。

表1 電梯部分狀態(tài)特征

3.2 電梯高維數(shù)據(jù)流異常檢測(cè)

由于電梯數(shù)據(jù)包括實(shí)時(shí)數(shù)據(jù)流和維保特征、基本特征等較為穩(wěn)定的數(shù)據(jù)值,本文將采集的電梯實(shí)時(shí)數(shù)據(jù)流進(jìn)行初始化,將電梯實(shí)時(shí)狀態(tài)數(shù)據(jù)Xi作為輸入:

1)統(tǒng)計(jì)查詢電梯本周的MTS、FD、RTD等特征值,并進(jìn)行預(yù)處理。

2)實(shí)時(shí)采集數(shù)據(jù)流,獲得一定的高維數(shù)據(jù)集樣本,根據(jù)樣本值和最佳數(shù)據(jù)集閾值進(jìn)行初始化,從而構(gòu)造初始最佳數(shù)據(jù)網(wǎng)格和最近數(shù)據(jù)網(wǎng)格。

3)傳感器網(wǎng)絡(luò)采集的即時(shí)狀態(tài)數(shù)據(jù)Xi和小規(guī)模數(shù)據(jù)流型計(jì)算集實(shí)時(shí)計(jì)算該數(shù)據(jù)點(diǎn)的VOA值。

4) 基于VOA值和設(shè)定的最佳數(shù)據(jù)集閾值判斷最新數(shù)據(jù)點(diǎn)的異常情況。

5)若為異常點(diǎn),則納入異常數(shù)據(jù)集并計(jì)算異常屬性,分析導(dǎo)致異常的維度;若為非異常點(diǎn),則按照先進(jìn)先出法和最近數(shù)據(jù)集網(wǎng)格尺度對(duì)最近數(shù)據(jù)集網(wǎng)格進(jìn)行更新。

4 實(shí)驗(yàn)結(jié)果與分析

本文方法采用的實(shí)驗(yàn)環(huán)境為計(jì)算機(jī)Intel(R) Core(TM) i5-3470 CPU @ 3.20 GHz,內(nèi)存8.0 GB。開發(fā)平臺(tái)為PyCharm 2015,采用Python語(yǔ)言和pandas等分析包對(duì)本文改進(jìn)的算法和HODA算法進(jìn)行比較,并對(duì)電梯運(yùn)行狀態(tài)的真實(shí)數(shù)據(jù)進(jìn)行檢測(cè)。

本文采用運(yùn)行時(shí)間和準(zhǔn)確率作為算法的評(píng)價(jià)指標(biāo)[14],準(zhǔn)確率是用來(lái)衡量算法的精度。

p=o/c

(4)

其中,o表示預(yù)測(cè)異常點(diǎn)集中真實(shí)異常點(diǎn)個(gè)數(shù),c為算法檢測(cè)到的異常點(diǎn)總數(shù)。

實(shí)驗(yàn)1采用入侵檢測(cè)數(shù)據(jù)集KddCup99[15]作為測(cè)試數(shù)據(jù)集。該數(shù)據(jù)集具有高維的特性,這里分別選擇其中的1 000條、 2 000條、3 000條、5 000條數(shù)據(jù),其中異常記錄為25條。

本文采用KddCup99數(shù)據(jù)集分析算法的及時(shí)性和有效性,進(jìn)行以下實(shí)驗(yàn):設(shè)置參數(shù)最優(yōu)數(shù)據(jù)網(wǎng)格閾值μ為0.3,最佳數(shù)據(jù)集尺度BL為50,最近數(shù)據(jù)集尺度RL為30;采用ABOD算法、HODA算法與本文算法進(jìn)行對(duì)比,其中HODA算法與本文算法的實(shí)驗(yàn)結(jié)果如表2、圖4所示。

表2 2種算法實(shí)驗(yàn)結(jié)果分析

圖4 不同算法精度對(duì)比

針對(duì)實(shí)驗(yàn)數(shù)據(jù)集,從表2和圖4可以看出,當(dāng)實(shí)驗(yàn)數(shù)據(jù)集增大時(shí),在算法運(yùn)行時(shí)間上,本文算法比HODA算法更有優(yōu)勢(shì),原因在于HODA算法在計(jì)算異常因子時(shí)會(huì)重新分配數(shù)據(jù)網(wǎng)格,算法的計(jì)算復(fù)雜度加大。3種算法精度都呈下降趨勢(shì),但是相比HODA算法本文算法實(shí)驗(yàn)獲得的最優(yōu)參數(shù)能夠保證對(duì)高維數(shù)據(jù)異常狀態(tài)的識(shí)別能力,相比HODA算法保持較高的精度。

實(shí)驗(yàn)2使用昆山市某電梯公司2016年4月—2016年5月物聯(lián)網(wǎng)平臺(tái)數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)來(lái)源,分布于電梯各機(jī)械部位的無(wú)線傳感器節(jié)點(diǎn),將采集到的電梯狀態(tài)數(shù)據(jù)通過(guò)GRRS發(fā)送到服務(wù)器,其數(shù)據(jù)采集頻率為2 s一次。

圖5是2種算法在不同時(shí)刻的運(yùn)行時(shí)間對(duì)比,隨著電梯高維數(shù)據(jù)流的陸續(xù)到達(dá),算法數(shù)據(jù)規(guī)模呈指數(shù)增長(zhǎng),可以看出本文異常檢測(cè)算法運(yùn)行所消耗時(shí)間均小于相同數(shù)據(jù)規(guī)模下的HODA算法。因?yàn)镠ODA算法在計(jì)算角度方差異常因子時(shí)需要實(shí)時(shí)對(duì)網(wǎng)格進(jìn)行劃分后篩選出候選網(wǎng)格,而本文算法維護(hù)2個(gè)最具代表的網(wǎng)格數(shù)據(jù)集,數(shù)據(jù)規(guī)模越大本文算法在其運(yùn)行時(shí)間上的優(yōu)勢(shì)越明顯。

圖5 電梯異常數(shù)據(jù)檢測(cè)時(shí)間

查準(zhǔn)率采用被檢測(cè)出的實(shí)際異常點(diǎn)數(shù)目與檢測(cè)到可疑異常點(diǎn)數(shù)目之比進(jìn)行度量。實(shí)驗(yàn)過(guò)程中電梯產(chǎn)生12次不同程度的異常事件,根據(jù)圖6中2種算法平均查準(zhǔn)率的對(duì)比可知,本文算法的查準(zhǔn)率要優(yōu)于HODA算法。這是因?yàn)閷?duì)于數(shù)據(jù)流中的最新數(shù)據(jù)點(diǎn)HODA算法需要重新進(jìn)行網(wǎng)格劃分,當(dāng)數(shù)據(jù)集規(guī)模較大、維數(shù)較高時(shí),該方法的候選網(wǎng)格增多,會(huì)將較多非異常的數(shù)據(jù)誤以為是異常狀態(tài)值。且本文算法采用最新數(shù)據(jù)集網(wǎng)格,可以有效地解決數(shù)據(jù)流的概念轉(zhuǎn)移問(wèn)題,使得算法的查準(zhǔn)率得到保證。

圖6 電梯異常數(shù)據(jù)查準(zhǔn)率

5 結(jié)束語(yǔ)

本文基于角度分布的高維數(shù)據(jù)異常檢測(cè)方法,提出一種改進(jìn)的異常檢測(cè)算法。在數(shù)據(jù)流檢測(cè)過(guò)程中,對(duì)數(shù)據(jù)集進(jìn)行重要網(wǎng)格劃分和維護(hù),降低角度方差計(jì)算代價(jià),并且通過(guò)最近數(shù)據(jù)集的設(shè)定解決數(shù)據(jù)流中的概念轉(zhuǎn)移問(wèn)題。實(shí)驗(yàn)結(jié)果表明,該算法能有效識(shí)別高維數(shù)據(jù)流中的異常點(diǎn),相比HODA算法,時(shí)間復(fù)雜度更低,適合于高維數(shù)據(jù)流的異常檢測(cè)。如何根據(jù)數(shù)據(jù)流的特點(diǎn)對(duì)閾值自適應(yīng),是下一步研究的內(nèi)容。

[1] 曹東磊,曹建農(nóng),金蓓弘.一種無(wú)線傳感網(wǎng)絡(luò)中事件區(qū)域檢測(cè)的容錯(cuò)算法[J].計(jì)算機(jī)學(xué)報(bào),2007,30(10):1770-1776.

[2] DING J,WANG L,SHEN D,et al.An Anomaly Detection System on Big Data[J].Natural Science Journal of Hainan Universdity,2015(1):121-127.

[3] 費(fèi) 歡,李光輝.基于K-means聚類的WSN異常數(shù)據(jù)檢測(cè)算法[J].計(jì)算機(jī)工程,2015,41(7):124-128.

[4] 凌 駿,尹博學(xué),李 晟,等.基于監(jiān)控?cái)?shù)據(jù)的MySQL異常檢測(cè)算法[J].計(jì)算機(jī)工程,2015,41(11):41-46.

[5] 周曉云,孫志揮,張柏禮,等.高維類別屬性數(shù)據(jù)流離群點(diǎn)快速檢測(cè)算法[J].軟件學(xué)報(bào),2007,18(4):933-942.

[6] KRIEGEL H P,VHUBERT M,ZIMEK A.Angle-based Outlier Detection in High Dimensional Data[C]//Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York,USA:ACM Press,2008:444-452.

[7] PHAM N,PAGH R.A Near-linear Time Approximation for Angle-based Outlier Detection in High Dimensional Data[C]//Proceeding of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York,USA:ACM Press,2012:877-885.

[8] 陳圣楠,錢紅燕,李 偉.基于角度方差的多層次高維數(shù)據(jù)異常檢測(cè)算法[J].計(jì)算機(jī)應(yīng)用研究,2016,33(11):3383-3386.

[9] ZHANG Y,HAMM N,MERATNIA N.Statistics-based Outlier Detection for Wireless Sensor Networks[J].International Journal of Geo graphical Information Science,2012,26(8):1373-1392.

[10] 樸昌浩,黃 至,蘇 嶺,等.基于角度分布的高維數(shù)據(jù)流異常點(diǎn)檢測(cè)算法[J].上海交通大學(xué)學(xué)報(bào),2014,48(5):647-652.

[11] KRIEGEL H P,HUBERT M S,ZIMEK A.Angle-based Outlier Detection Inhigh-dimensional Data[C]//Proceedings of IEEE KDD’08.Washington D.C.,USA:IEEE Press,2008:444-452.

[12] 劉 靖.復(fù)雜數(shù)據(jù)類型的離群檢測(cè)方法研究[D].廣州:華南理工大學(xué),2014.

[13] SIMUNDIC A.Quality Indicators[J].Biochemia Medica,2008,18(3):311-319.

[14] FELDMAN D,SCHIDT M,SOHLER C.Turning Big Data Into Tiny Data:Constant-sizecoresets for K-means,PCA and Projective Clustering[C]//Proceedings of the 24th Annual ACM-SIAM Symposium on Discrete Algorithms.Washington D.C.,USA:IEEE Press,2013:1434-1453.

[15] 陳冠華,馬秀莉,楊冬青,等.面向高維數(shù)據(jù)的低冗余Top-k異常點(diǎn)發(fā)現(xiàn)方法[J].計(jì)算機(jī)研究與發(fā)展,2010,47(5):788-795.