VDOD:一种基于KD树的分布式离群点检测算法
李子茂
骆庆
刘晶
1.中南民族大学计算机科学学院 武汉4300742.中南民族大学计算机科学学院 武汉4300743.中南民族大学计算机科学学院 武汉430074
摘要：针对大数据的数据量大、维数高的特征,论文提出了一种新型的分布式离群点检测算法-VDOD.在数据预处理阶段,提出了基于方差的数据划分方法,划分过程中建立KD树,通过KD树将数据均匀地分配到各个计算节点;在离群点检测阶段,通过R树进行批量过滤.最后,基于真实数据集和人工数据集验证了VDOD算法的有效性.实验结果表明,相对于现有算法,文中算法可以显著提高计算效率并大幅降低网络开销.
关键词：分布式离群点检测大数据KD树
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(61302192)国家科技支撑计划(2015BAD29B01)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 419-423,428 )
英文信息