信息熵聚类赋能异常检测:方法演进与实践突破.docx
文本预览下载声明
信息熵聚类赋能异常检测:方法演进与实践突破
一、引言
1.1研究背景与意义
1.1.1背景阐述
在当今信息爆炸的时代,数据正以前所未有的速度增长。据国际数据公司(IDC)预测,全球数据量将从2018年的33ZB增长到2025年的175ZB,年复合增长率高达61%。如此庞大的数据量为各个领域的发展提供了丰富的资源,然而,数据中存在的异常数据却给数据分析和处理带来了极大的挑战。异常数据是指那些与数据集中大多数数据的特征、模式或分布明显不同的数据点,它们的出现可能是由于数据收集过程中的错误、测量误差、系统故障,也可能是某些罕见但具有重要意义的事件所导致。例如在金融交易数据中,可
显示全部