基于KNN-Join和SNN相似度的空间异常点检测算法
  • 【摘要】

    空间异常点是和其空间邻域对象不一致的数据对象或者在数据集中远远偏离其他对象的那些小比例时象.空间异常点的检测在地理信息系统和空间数据库的应用中都有着重要的意义.结合空间数据的特点对空间异常点进行分类,并结合KNN-Join和SNN相似度为不同类别的空间异常点提出检测算法、对算法复杂性进行分析,在检测出空间异常点的基础上统计分析空间异常点的成因.最后对三江并流地区珍稀植物数据进行了试验,试验结果证明... 展开>>空间异常点是和其空间邻域对象不一致的数据对象或者在数据集中远远偏离其他对象的那些小比例时象.空间异常点的检测在地理信息系统和空间数据库的应用中都有着重要的意义.结合空间数据的特点对空间异常点进行分类,并结合KNN-Join和SNN相似度为不同类别的空间异常点提出检测算法、对算法复杂性进行分析,在检测出空间异常点的基础上统计分析空间异常点的成因.最后对三江并流地区珍稀植物数据进行了试验,试验结果证明该文所提出的算法是有效可行的,不但可以从远距离空间上检测到珍稀植物,还能把生长在同一个空间区域内的但是类别不同的植物作为异常点检测出来. 收起<<

  • 【作者】

    刘晓艳  王丽珍 

  • 【作者单位】

    云南大学信息学院

  • 【会议名称】

    第二十五届中国数据库学术会议(NDBC2008)

  • 【会议时间】

    2008-10-24

  • 【会议地点】

    桂林

  • 【主办单位】

    中国计算机学会

  • 【语种】

    chi

  • 【关键词】

    空间属性异常点  非空间属性异常点  KNN-Join  SNN相似度  空间异常点  数据集  地理信息系统