离群数据的发现,往往可以使人们发现一些真实的、但又出乎意料的知识。离群数据挖掘是数据挖掘的一个新兴课题,在实际生活中有广泛的应用。目前,离群挖掘正逐渐成为数据库、机器学习、统计学等领域研究人员的研究热点。 由于高维空间中数据分布特殊,所以传统的离群数据挖掘方法不能很好的适用于高维空间数据集。本文针对这一问题提出了一种利用粗糙集的属性约简方法对数据集的属性进行约简以减少高维空间的维数,并在约简生成的子空间中对数据集进行基于超图模型的离群数据挖掘的方法。研究结果表明,对属性的约简可以节省数据存储空间,提高计算效率,而利用超图模型可以发现约简后的数据集中的离群数据。实验结果说明了此方法的高效性并且具有实用价值。 本文共分为六章。第一章“前言”简单介绍了数据挖掘的基本概念、方法以及分类等。第二章“离群数据挖掘概述”是关于离群数据挖掘以及常用的离群数据挖掘方法的介绍。第三章“粗糙集理论与数据挖掘”阐述了粗糙集的基本理论及其与数据挖掘的关系。在第四章“聚类分析”中,主要是聚类方法及其与离群数据挖掘的紧密联系。第五章“基于粗糙集与超图的高维离群数据挖掘研究”是运用粗糙集的属性约简方法和超图模型在高维数据集中进行离群数据的发现,并描述了实验过程和实验结果。最后一章是对全文工作的总结以及对今后研究工作的展望。