,

(1.东北石油大学计算机与信息技术学院,黑龙江 大庆 163318;2.大庆市让湖路区政府，黑龙江 大庆 163712)

0 引 言

孤立点检测是数据挖掘中一个重要的研究方向，尤其在金融欺诈、入侵检测等应用中[1]。查找数据集中明显不同于其他数据的对象，进而分析其产生的原因和来源，是客观存在还是因错产生，这是孤立点检测的主要应用[2]。目前国内外有很多文献资料进行孤立点的检测和应用。文献[3]提出基于相似孤立系数的孤立点检测算法解决了一般检测算法结果比较粗糙，不够准确的问题。文献[4]解决了传统的RAIM算法可以很快地检测出单个孤立点，但经常会漏掉多个异常点。文献[5、6]设计出一个混合数据孤立点检测算法。文献[7]通过优化数据对象邻域查询过程，提出两阶段的改进算法解决了LOF时间复杂度高的问题。文献[8]提出一种基于Akaike信息规则的算法，并应用于大麦秸秆燃烧产生的灰分含量的实验数据。文献[9]提出基于聚类的两段式孤立点检测算法，用DBSCAN聚类算法产生可疑孤立点集合,然后进行剪枝、排序取交集的方法获得孤立点。有很多类似的文献对孤立点进行检测和研究，主要是提出一种基于偏离度的孤立点检测算法。

为准确掌握学生的学习情况或教师的授课状况，常采用问卷调查、测试、专题考核、学生或专家评教等方法。从这些方法整理出的最终数据有可能是真实的、大量的、连续的，或者可能是不完整的、模糊的、随机的，甚至是刻意的、恶意的。……