[发明专利]一种基于离群数据挖掘的液态危化品挥发浓度异常发现方法

权利要求书

1.一种基于离群数据挖掘的液态危化品挥发浓度异常发现方法，其特征是,首先,引入去一划分信息熵确定离群属性的权重；然后,使用OPTICS聚类算法对气体浓度传感器采集到的原始数据集进行筛选得到初步离群数据集，提高算法的运行效率；用P权值代替LOF算法中的可达距离；最后,利用新定义的基于P权值的局部离群因子LOFBP(Local OutliersFactor based on P-weight)计算初步离群数据集中对象的离群程度，在保留算法的检测精度的同时提高执行效率。

2.根据权利要求1所述的方法，其特征在于它包括如下步骤：

步骤1：读取气体传感器原始数据集；

步骤2：计算数据集合中所有属性的去一划分信息熵增量；

步骤3：计算数据集合中所有对象可达距离；

步骤4：利用OPTICS算法获取初步离群数据集；

步骤5：计算初步离群数据集合中所有对象k距离、k距离邻域，计算P权值；

步骤6：计算基于P权值的局部密度；

步骤7：计算基于P权值的局部可达密度；

步骤8：降序输出局部可达密度，得到离群数据。

3.根据权利要求2所述的方法，其特征是，所述的OPTICS算法获取初步离群数据集包括：当邻域中的点加入无序队列后，并不需对整个无序队列进行排序，只需对比新加入点与原最小点即可取出可达距离最小点并将最小点存入临时变量；当需要处理非有序队列中新的点时，只需取出临时变量存储的最小点，通过这种方法得到可达图。

4.根据权利要求2所述的方法，其特征是，计算数据集合中所有属性的去一划分信息熵增量Δ(N_i)方法包括以下步骤：

a)为了提高离群点的检测的质量，采用加权距离度量OPTICS算法中数据对象之间的距离，属性的权重通过去一划分信息熵增量确定；信息熵用于衡量一个系统包含多少信息量，因此，信息熵E(x)值可以衡量一个数据集的不确定程度；其定义为：

E(x)＝-[p(x₁)·log p(x₁)]-[p(x₂)·log p(x₂)]…-[p(x_n)·log p(x_n)] (1)

公式(1)中，x为随机变量，其可能的取值集合为s(x)＝{x₁,x₂,……,x_n}；

p(x)表示取值为x的概率；

b)为了突出表现离群的属性，通过去掉一个属性后熵值的变化定义相关属性的权重。设属性集合为N＝{N₁,N₂,…,N_m}，取N_i(i＝1,2,…,m)，将N划分为两部分：{N_i}和{N-N_i}，记做P＝{P₁，P₂}，其中P₁＝{N_i}，P₂＝{N₁，N₂，…，N_i-1，N_i+1，…，N_m}，则去一划分信息熵增量Δ(N_i)定义为公式(2)，其数值越大说明将N_i去除后数据集合的不确定性减少的越多：

Δ(N_i)＝E(N)-E(P) (2)

公式(2)中，Δ(N_i)表示集合N去除N_i后的信息熵变化；

E(N)表示属性集合N的信息熵；

E(P)的计算公式为：

c)若两个数据对象分别为p＝{p₁，p₂，…，p_m}，p′＝{q₁，q₂，…，q_m}，它们之间的加权距离记为dist(p，p′)，则基于去一划分信息熵增量的加权距离定义为：

dist(p，p′)＝[Δ(N₁)×d(p₁，p′₁)]+[Δ(N₂)×d(p₂，p′₂)]+…+[Δ(N_m)×d(p_m，p′_m)](4)。