Cadre de mise en grappe de la densité dans les données non supervisées

La détection des anomalies est une question fondamentale dans l'exploration des données, en particulier pour détecter et supprimer les objets anormaux des données. Les anomalies sont dues à des défauts mécaniques, des changements de comportement du système, des comportements frauduleux, des intrusions dans le réseau ou des erreurs humaines. Une détection efficace des valeurs aberrantes et des capacités de regroupement des données en présence de valeurs aberrantes, et basée sur le filtrage des données après le processus de regroupement. L'algorithme proposé détecte les expériences aberrantes en trois étapes, à savoir (i) la détection de points saillants dans les images ; (ii) la détection d'événements anormaux dans les flux vidéo ; et (iii) les ensembles de données de référence UCI du monde réel. L'objectif principal de cette étude est d'éliminer de manière itérative les objets qui sont éloignés de leurs centroïdes de grappe.Le cadre formel dans lequel des définitions précises de combinaisons éparses peuvent être données, et la logique floue est proposée pour découvrir des relations non linéaires peut être analysé rigoureusement.