夏火松,魏 翔

0 引言

在Web客户信息处理过程中，面对庞大的数据库，人们所需的信息只是其中的小部分，而且往往是其中较为特殊的一部分信息，它们隐藏在海量数据当中。如何能够快速而有效地找到它们并且能够获知其特殊的原因，就成为当务之急。目前，成熟的信息管理技术能够为用户提供数据获取、存储、管理、搜索等丰富的功能，而以分类、聚类、关联分析为主的数据挖掘技术也不断发展和完善，但离群数据的挖掘技术及其应用却仍然十分有限，其原因在于现有的离群数据挖掘算法的效率依然不高，稳定性也不强，其所得到的离群信息也很有限。针对客户信息管理过程中的这些情况，本文将在传统的离群数据挖掘算法的基础上，以保持挖掘结果稳定性为前提，以提高挖掘效率为目标，尝试探索出新的途径。为了在检测离群数据的同时也能够获得其为什么离群的相关信息，本文将把特征属性挖掘的过程融入其中。

1 理论回顾

1.1 离群数据分析方法

离群数据分析方法主要有以下几种：一是基于统计的方法[1]，已知或假定给定数据集符合某种概率分布模型，然后通过对该模型进行不一致性检验来确定离群数据，这一检验过程需要知道数据的分布模型及其参数以及预期的离群数据数目；二是基于距离的方法，定义和计算数据对象与数据集中其它对象的距离并以此来查找该数据对象的邻居数量，离群数据即为那些邻居数量不足的数据对象，该方法不依赖于统计模型及检验；……