Resumen

La información inútil y ruidosa ocupa una gran cantidad de big data, lo que aumenta nuestra dificultad para extraer información valiosa. Por lo tanto, la detección de valores atípicos ha atraído mucha atención recientemente, pero si dos puntos están lejos de otros puntos pero son relativamente cercanos entre sí, es menos probable que sean detectados como valores atípicos debido a su proximidad entre sí. En esta situación, los valores atípicos están ocultos entre sí. En este documento, proponemos una nueva perspectiva de valor atípico oculto. Los resultados experimentales muestran que es más preciso que las definiciones de valores atípicos existentes basadas en la distancia. En consecuencia, explotamos un algoritmo de detección de valores atípicos ocultos (HOD) basado en un conjunto de candidatos. El algoritmo HOD logra una mayor precisión con un tiempo de ejecución comparable. Además, desarrollamos un algoritmo HOD basado en índices (iHOD) para obtener una mayor velocidad de detección

• Materias:Difusión de información Inteligencia de enjambre Programación híbrida Modelo de programación Máquinas virtuales
• Subjects:Information dissemination Swarm intelligence Hybrid programming Programming model Virtual machines
• Palabras claves:Datos; Valores atípicos; Detección; Oculto; Algoritmo; Precisión
• Keywords:Data; Outliers; Detection; Hidden; Algorithm; Accuracy