Estrutura de agrupamento de densidades em dados não supervisionados

A detecção de anomalias é uma questão fundamental na mineração de dados, especificamente tem sido usada para detectar e remover objetos anômalos dos dados. Os outliers surgem devido a falhas mecânicas, alterações no comportamento do sistema, comportamento fraudulento, intrusões na rede ou erro humano. Uma detecção eficiente de outliers e capacidades de agrupamento de dados na presença de outliers, e baseada na filtragem dos dados após o processo de agrupamento. O algoritmo proposto detecta os experimentos outliers em três estágios: (i) Detecção de Saliências em Imagens; (ii) Detecção de Eventos Anormais em Fluxos de Vídeo; e (iii) Conjuntos de dados de referência UCI do mundo real. A remoção ocorre de acordo com um limite pré-definido.O quadro formal no qual definições precisas de combinações esparsas podem ser dadas, e a lógica Fuzzy é proposta para descobrir relações não-lineares pode ser rigorosamente analisada.