施冬冬，方星星

（1.安徽大学江淮学院，安徽　合肥　230039；2.解放军陆军军官学院，安徽　合肥　230000）

基于混合遗传算法的高维离群数据检测

施冬冬1，方星星2

（1.安徽大学江淮学院，安徽合肥230039；2.解放军陆军军官学院，安徽合肥230000）

离群点研究在实际应用中有着重要的意义，随着数据规模的不断扩大，传统的离群点检测方法已经不适用于高维空间数据，本文在遗传算法的基础上结合模拟退火算法，一方面利用遗传算法对高维数据处理有很好的全局搜索能力，一方面利用模拟退火算法的局部搜索能力，最后经实验证明，本文提出的新算法能有效的提高高维空间离群点检测的效率.

离群点；遗传算法；模拟退火算法

1　问题描述

离群点检测是数据挖掘的重要内容之一.目前离群数据检测的研究十分活跃，已经有许多离群数据挖掘算法，其主要方法可归为五类，即基于聚类的方法：通过聚类发现常规模式，不属于任何一个类的数据即是离群点；基于统计的方法：离群点是那些偏离正常分布（如正态分布、Poisson分布等）的数据，这类方法需要数据服从一定的分布［1］；基于深度的方法：计算d维凸球的不同层，那些位于球最外层的数据为离群点，这种方法在大型高维数据中的应用较为困难；基于距离的方法：给定数据集X及距离dmin，对于点p∈X，若至少存在X中的m个数据点到点p的距离大于dmin，则称p为离群点；基于密度的方法：如果一个数据点的局部离群因子高于一个阀值则被认为……