異常檢測是數(shù)據(jù)挖掘的重要研究領(lǐng)域，當(dāng)前基于距離或者最近鄰概念的異常數(shù)據(jù)檢測方法，在進行海量高維數(shù)據(jù)異常檢測時，存在運算時間過長的問題．許多改進的異常檢測方法雖然提高了算法運算效率，然而檢測效果欠佳．基于此，提出一種基于密度偏倚抽樣的局部距離異常檢測算法，首先利用基于密度偏倚的概率抽樣方法對所需檢測的數(shù)據(jù)集合進行概率抽樣，之后對抽樣數(shù)據(jù)利用基于局部距離的局部異常檢測方法，對抽樣集合進行局部異常系數(shù)計算，得到的異常系數(shù)既是抽樣數(shù)據(jù)的局部異常系數(shù)，又是數(shù)據(jù)集的近似全局異常系數(shù)．然后對得到的每個數(shù)據(jù)點的局部異常系數(shù)進行排序，異常系數(shù)值越大的數(shù)據(jù)點越可能是異常點．實驗結(jié)果表明，與已有的算法相比，該算法具有更高的檢測精確度和更少的運算時間，并且該算法對各種維度和數(shù)據(jù)規(guī)模的數(shù)據(jù)都具有很好的檢測效果，可擴展性強。
?