[发明专利]一种大规模高维数据中离群数据的检测方法

权利要求书

1.一种大规模高维数据中离群数据的检测方法，其特征在于，包括以下步骤：

（1）计算大规模高维数据中每个数据点的余弦距离平均值，即对于每个数据点A，分别计算A点到其余所有任意两个点B和C组成的向量和的余弦距离的平均值；

（2）计算每个数据点A的余弦距离；

（3）计算每个数据点A的所有余弦距离的平均间距；

（4）分类划分余弦距离平均间距，选取余弦距离平均间距最小的几个点为数据离群度最大的离群点；

（5）确定离群点。

2.根据权利要求1所述的一种大规模高维数据中离群数据的检测方法，其特征在于，所述步骤（1）包括以下步骤：

1-1）形式化数据集，所述大规模高维数据形式化为：

对于给定的大规模高维数据集范数||·||定义为R^d→R⁺，内积＜·,·＞定义为R^d×R^d→R，

点A,B∈D，表示向量

其中R^d表示d维实数空间，R⁺表示正实数，R^d→R⁺表示d维实数空间上的元素到正实数的一个映射，R^d×R^d→R表示d维实数空间上的两个向量作内积运算；

1-2）对于大规模高维数据集D中的所有点分别计算每个点A到其余两个点的向量夹角余弦距离之和，表示为M_θ(A)，计算公式为：

且B∈D/｛A｝,C∈D/{A,B}

Mθ(A)=ΣA∈D,B∈D/{A}.C∈D/{A,B}<AB‾,AC‾>||AB‾||2·||AC‾||2]]>

其中，表示向量和的内积，和分别表示向量和的范数；

1-3）计算大规模高维数据集D中每个点A余弦距离的平均值计算公式为：

且B∈D/｛A｝,C∈D/{A,B}

Mθ(A)‾=Mθ(A)12(n-1)(n-2)=2Mθ(A)(n-1)(n-2).]]>