来源：期刊VIP网 时间：
作者：朱华;乔勇进;董国钢;
单位：武汉生物工程学院计算机科学与技术学院;中国农业大学;上海市农业科学院;
摘要：在分布式计算环境中，离群点通常表示数据中的异常情况，例如故障、欺诈、攻击等。通过检测分布式数据的离群点，可以对这些异常数据进行集中处理，保护系统和数据的安全。而进行离群点检测时，不仅要考虑数据的规模和复杂性，还要在分布式环境下高效地发现离群点。因此，提出一种基于CART决策树的分布式数据离群点检测算法。在构建CART决策树时，使用类间中心距离作为分裂准则，根据分离类别对训练数据进行分类，从而确定数据的类型。在上述基础上，考虑到离群点的分布模式与其周围数据对象不同，使用空间局部偏离因子（SLDF）对空间内各个数据对象之间的离群程度展开度量，同时在高维空间内展开网格划分，引入SLDF算法检测剩余离群点集，最终实现分布式数据离群点检测。实验结果表明，所提方法的离散点检测错误率在0.010以内，可以更加精准地实现分布式数据离群点检测，具有良好的检测性能。
关键词：CART决策树;;分布式数据;;离群点检测;;类间距离;;数据分类;;空间局部偏离因子
基金资助：国家自然科学青年基金项目：基于UV-B信号转导途径的桃果实芳樟醇合成转录调控机制研究（32102451）
