【正文】 參考文獻(xiàn)[1] Hawkins D. Identification of Outliers[M]. and hall. 1980.[2] Edwin M. Knorr, Raymond T. Ng，Vladimir Tucakov. DistanceBased Outlier:Algorithms Applications[J].(34):237253.[3] Edwin M. Knorr, Raymod T. Ng. Algorithms for Mining DistanceBased Outliers in Large Datasets[R]. Very Large Data Bases Conference :2427.[4] 王元明，熊偉. 異常數(shù)據(jù)的檢測方法[J]. 重慶工業(yè)學(xué)院學(xué)報(bào)（自然科學(xué)），2009，第23卷：8689.[5] 楊永銘，王喆. 孤立點(diǎn)算法研究[J]. 計(jì)算機(jī)與數(shù)字工程，2008，219期：1115.[6] Aleksandar Lazarevic, Vipin Kumar. Feature Bagging for Outlier Detection[C]. Proceedings of the eleventh ACM SIGKDD international conference on Knowledge discovery in data mining，Chicago, Illinois, USA，Pages: 157 166可見BP具備一定的分類器能力，采用多分類器方法對(duì)數(shù)據(jù)集合進(jìn)行學(xué)習(xí)，還是具備一定地可行性。單位：橫軸表示順序，縱軸表示計(jì)算結(jié)果數(shù)值。通過上面幾個(gè)實(shí)驗(yàn)可以知道，并非BP結(jié)構(gòu)過擬化，應(yīng)該是數(shù)據(jù)問題。注：訓(xùn)練數(shù)據(jù)庫中的，每個(gè)點(diǎn)代表一個(gè)屬性值，橫軸代表屬性順序，縱軸代表屬性值.如圖 ，大多數(shù)屬性屬于一個(gè)范圍空間，這種情況在BP屬于相似性很大地情況，很難區(qū)分開來。每個(gè)訓(xùn)練次數(shù)少于40次（根據(jù)實(shí)際增長速度，減少控制次數(shù)），以便使數(shù)據(jù)有一定地區(qū)分度。(1) 對(duì)所有非異常點(diǎn)數(shù)據(jù)，按組分別對(duì)BP1進(jìn)行訓(xùn)練，教師信號(hào)都為1，（）保存BP1權(quán)值；(2)加載BP1數(shù)據(jù)到BP2, 針對(duì)數(shù)據(jù)庫每個(gè)異常點(diǎn)，正向（數(shù)據(jù)庫地方向順序）訓(xùn)練一次，再逆向訓(xùn)練一次。每個(gè)單元為86個(gè)權(quán)重。本算法就是想把所有整數(shù)據(jù)特征映射到一個(gè)小范圍來處理判斷。根據(jù)神經(jīng)網(wǎng)絡(luò)記憶分類地特性，本文設(shè)想通過這些特性學(xué)習(xí)出能夠辨別異常點(diǎn)非異常點(diǎn)數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)，主要研究其可行性。由于特征地不可確定性，數(shù)值不確定，組合不確定。取代了用聚類中心初始化，改進(jìn)了聚類的目標(biāo)函數(shù)，降低了算法的時(shí)間復(fù)雜度，但該算法沒有提到如何選取核函數(shù)，對(duì)于算法模糊性的控制不好撐握。因此，在該方法中，屬于偏差通常用于指異常點(diǎn)。(4)Dongmei Ren等采用相對(duì)密度系數(shù)(Rela—tive Density Factor，簡稱RDF)，即P點(diǎn)的密度相對(duì)該點(diǎn)的鄰域密度的比值作為孤立程度的度量方法，其基本思路是首先基于RDF對(duì)位于簇中心的數(shù)據(jù)點(diǎn)進(jìn)行剪枝，然后僅僅在剩下的較小的數(shù)據(jù)集中進(jìn)行異常點(diǎn)檢測。另外，徐雪松等利用聚類算法與第k個(gè)最近鄰的原理提出了基于距離的再聚類的異常點(diǎn)算法，它克服一些基于距離算法的缺點(diǎn)，并取得較好的試驗(yàn)結(jié)果。 Knorr和Ng通過試驗(yàn)證明，當(dāng)時(shí)此算法優(yōu)于NL算法。但當(dāng)數(shù)據(jù)集較大，此類方法在維數(shù)上的伸縮性不好。 but (2) the characteristics of similar large data sets, separation is difficult to judge。BP算法是一種常用的數(shù)據(jù)挖掘算法。本文從特征與異常檢測的關(guān)系出發(fā)進(jìn)行研究。與此 定 義 相應(yīng)的算法有三種，它們是基于索引(Indexbased)的算法，嵌套循環(huán)(NestLoop，NL)算法，基于單元或劃分(cellbased)的算法等。相對(duì)于異常點(diǎn)挖掘，異常點(diǎn)挖掘方法人為干預(yù)的因素要小一些。一般的對(duì)密度的定義是點(diǎn)到其量近鄰的平均距離，平均距離小則密度小。計(jì)算LOF要耗費(fèi)很大的計(jì)算量，針對(duì)此問題malik Agyemang提出了修改算法，即局部稀疏系數(shù)(LSC)算法。第二種搜索空間大，人工探測困難，效率不高，只適用多維數(shù)據(jù)。這樣我們可以添加一個(gè)權(quán)值與年齡這一項(xiàng)數(shù)據(jù)乘積，這個(gè)乘積必須使權(quán)值與當(dāng)前數(shù)據(jù)乘積出來的數(shù)據(jù)成正比，表示年齡增長能夠體現(xiàn)在這組數(shù)據(jù)中的重要性。利用神經(jīng)網(wǎng)絡(luò)的非線性特性，可解決藥學(xué)研究及實(shí)驗(yàn)數(shù)據(jù)處理過程中大量的非線性問題。權(quán)值修正為： () ()4 異常檢測中BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)fX0 = 1WnW2W1XnX2X1W0 = Θ圖 如圖 可微閾值單元，圖中為sigmoid單元，與感知器相似，sigmoid單元先計(jì)算它的線性組合，然后應(yīng)用一個(gè)閾值到此結(jié)果。反向傳播算法在網(wǎng)絡(luò)規(guī)模較大時(shí)計(jì)算量很大，收斂較慢，而且存在局部最小的問題，根據(jù)這一問題，在具體操作時(shí)采用了加入動(dòng)量項(xiàng)的方法： （） 稱為動(dòng)量因子，這樣后一次的權(quán)值更新適當(dāng)考慮上一次的權(quán)值更新，可以改善收斂特性。第三，數(shù)據(jù)特征不顯著。正態(tài)分布地兩邊。，剛好是已知異常點(diǎn)個(gè)數(shù)。同時(shí)也可看到與上面實(shí)驗(yàn)一樣結(jié)果，證明不是算法問題，而是數(shù)據(jù)特征不好區(qū)分。（4） 隨機(jī)生成具備(1)特征地另一組數(shù)據(jù)，采用（2）已經(jīng)訓(xùn)練地權(quán)值，進(jìn)行計(jì)算測試，查看分析結(jié)果數(shù)據(jù)分布。而是由于數(shù)據(jù)特征相似性太大，只有一兩個(gè)屬性相異來分類。同時(shí)對(duì)于超出已知范疇特性地?cái)?shù)據(jù)，進(jìn)行保存處理，訓(xùn)練出新的神經(jīng)網(wǎng)絡(luò)，同時(shí)通過人工專家系統(tǒng)進(jìn)行更新。也是一步步支持我能夠圓滿結(jié)題地推動(dòng)力。假設(shè)應(yīng)用BP神經(jīng)網(wǎng)絡(luò)做異常點(diǎn)檢測，實(shí)際應(yīng)用則采用BP充當(dāng)分類器，并且根據(jù)特征采用多分類器結(jié)構(gòu)，解決數(shù)據(jù)多特征問題。異常與非異常點(diǎn)計(jì)算結(jié)果都是，很難獲得一個(gè)較高準(zhǔn)確率地檢測方案，數(shù)據(jù)較集中分布狀況一樣，無法很好分離開來。組數(shù)據(jù)結(jié)束條件教師信號(hào)與實(shí)際輸出相差絕對(duì)值 300次。一下摘取部分信息。，正異常數(shù)據(jù)地實(shí)際輸出。根據(jù)實(shí)際數(shù)據(jù)，越逼近1地越小于第二次訓(xùn)練地教師信號(hào)地，都為異常點(diǎn)。經(jīng)過大量實(shí)驗(yàn)，失敗原因：第一，bp處理輸出區(qū)分度不夠，難以有判斷方案。（2）調(diào)節(jié)權(quán)值的公式為： （） 其中為學(xué)習(xí)步長，取正參數(shù)，代表上一層神經(jīng)元的輸出，而有兩種情況：1） 如果j是輸出層（第m層）的神經(jīng)元，則 （） 2） 如果j不在輸出層，而是隱含層的神經(jīng)元，則 （） 是該神經(jīng)元的輸出，而求本層的必須用到上一層的，可見誤差函數(shù)的求取是一個(gè)始于輸出層的反向傳播的遞歸過程。輸出層節(jié)點(diǎn)輸入，輸出分別為： () 若令，則有： () 修正權(quán)值設(shè) 其中為第p個(gè)學(xué)習(xí)樣本產(chǎn)生的輸出誤差，為總誤差。（2）非線性特性。例如檢測是否是糖尿病人的數(shù)據(jù)庫，三十歲以下這個(gè)年齡維度上病人較少，然而五十歲后這個(gè)維度病人比例就多了。此方法由于搜索空間很大，人工探測非常困難。文獻(xiàn)有關(guān)發(fā)面對(duì)LOF進(jìn)行推廣：一是由原來的一個(gè)鄰域的變化為兩個(gè)（計(jì)算密度領(lǐng)域和比較密度領(lǐng)域）；二是剪除非異常對(duì)象來減小計(jì)算代價(jià)；因此，使用算法比傳統(tǒng)的LOF算法有所提高。局部異常觀點(diǎn)摒棄了以前所有的異常定義中非此即彼的絕對(duì)異常觀念，更加符合現(xiàn)實(shí)生活的中的應(yīng)用。如果對(duì)數(shù)據(jù)對(duì)象根據(jù)它們的距離進(jìn)行排序，那么前n個(gè)點(diǎn)就被看作異常點(diǎn)?；诰嚯x方法最早是由Knorr和Ng在1998年提出的。目前異常點(diǎn)檢測已經(jīng)開始用于信用卡欺詐、網(wǎng)絡(luò)入侵檢測以及金融申請(qǐng)和交易欺詐等領(lǐng)域[2]，近年來異常點(diǎn)檢測已成為數(shù)據(jù)挖掘研究中的一個(gè)熱點(diǎn)問題。因此，異常點(diǎn)檢測被廣泛應(yīng)用于網(wǎng)絡(luò)入侵檢測，金融保險(xiǎn)，天氣預(yù)報(bào)以及新藥研制等領(lǐng)域。異常點(diǎn)可能由于度量或執(zhí)行錯(cuò)誤產(chǎn)生，也可能是由于固有數(shù)據(jù)可變性的結(jié)果。其次，此方法在很大程度上依賴于待挖掘的數(shù)據(jù)集是否滿足某種概率分布模型、模型的參數(shù)、異常點(diǎn)的數(shù)目等對(duì)基于統(tǒng)計(jì)的方法都有非常重要的意義，而確定這些參數(shù)通常比較困難；另外，此方法大多適合于挖掘單變量的數(shù)值型數(shù)據(jù)，然而許多數(shù)據(jù)挖掘問題要求在多維空間中發(fā)現(xiàn)異常點(diǎn)，目前幾乎沒有多元的不一致檢驗(yàn)，當(dāng)沒有特定的檢驗(yàn)時(shí)，或觀察到的分布不能恰當(dāng)?shù)赜萌魏螛?biāo)準(zhǔn)的分布建模時(shí)，此類方法不能確保所有的異常點(diǎn)被發(fā)現(xiàn)。此算法需要將數(shù)據(jù)空間分隔成彼此獨(dú)立的單元結(jié)構(gòu)，經(jīng)過多次選擇來判斷離群數(shù)據(jù)。(1) 在理論上可以處理任意維任意類型的數(shù)據(jù)，這就克服了基于統(tǒng)計(jì)方法僅能檢測單個(gè)屬性的缺點(diǎn)。(5)Breuning 提出