1、離群數(shù)據(jù)是數(shù)據(jù)挖掘的重要研究?jī)?nèi)容之一，是發(fā)現(xiàn)數(shù)據(jù)集中明顯與其他數(shù)據(jù)行為不一致的對(duì)象，在許多鄰域有著廣泛的應(yīng)用，例如：網(wǎng)絡(luò)入侵檢測(cè)、信用卡欺詐、天氣預(yù)報(bào)監(jiān)測(cè)等。但隨著分布、異構(gòu)、海量數(shù)據(jù)集的大量出現(xiàn)，采用集中式方法將無(wú)法滿足實(shí)際需求。本文，針對(duì)兩種不同的數(shù)據(jù)集分割（水平劃分和垂直劃分），采用網(wǎng)格作為分布式計(jì)算平臺(tái)，對(duì)離群數(shù)據(jù)分布式挖掘算法進(jìn)行了研究，其主要研究工作如下：
　　 (1)網(wǎng)格環(huán)境下的離群數(shù)據(jù)分布式挖掘算法。該算法針對(duì)數(shù)

2、據(jù)集的垂直分割，首先采用局部離群因子LOF，在各個(gè)分節(jié)點(diǎn)上，計(jì)算數(shù)據(jù)對(duì)象之間的局部距離；其次，在主節(jié)點(diǎn)上，利用網(wǎng)格服務(wù)合并生成MinPts距離鄰域，從而完成KNN查詢過(guò)程；然后，將MinPts距離鄰域傳回分節(jié)點(diǎn)，完成LOF值的計(jì)算；最后，采用KDD CUP99作為數(shù)據(jù)集，實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性。
　　 (2)基于微粒群和子空間的離群數(shù)據(jù)分布式挖掘算法。該算法針對(duì)數(shù)據(jù)集的水平分割，以基于微粒群和子空間的離群數(shù)據(jù)挖掘(OM-PS