Cadre de mise en grappe de la densit dans les donnes non supervises

La dtection des anomalies est une question fondamentale dans l'exploration des donnes, en particulier pour dtecter et supprimer les objets anormaux des donnes. Les anomalies sont dues des dfauts mcaniques, des changements de comportement du systme, des comportements frauduleux, des intrusions dans le rseau ou des erreurs humaines. Une dtection efficace des valeurs aberrantes et des capacits de regroupement des donnes en prsence de valeurs aberrantes, et base sur le filtrage des donnes aprs le processus de regroupement. L'algorithme propos dtecte les expriences aberrantes en trois tapes, savoir (i) la dtection de points saillants dans les images ; (ii) la dtection d'vnements anormaux dans les flux vido ; et (iii) les ensembles de donnes de rfrence UCI du monde rel. L'objectif principal de cette tude est d'liminer de manire itrative les objets qui sont loigns de leurs centrodes de grappe.Le cadre formel dans lequel des dfinitions prcises de combinaisons parses peuvent tre donnes, et la logique floue est propose pour dcouvrir des relations non linaires peut tre analys rigoureusement.