Dtection de valeurs aberrantes l'aide d'une nouvelle approche hybride sur un ensemble de donnes mixte

L'exploration de donnes est un processus qui consiste extraire des informations caches et utiles des donnes. La dtection des valeurs aberrantes est une partie fondamentale de l'exploration de donnes et a rcemment fait l'objet d'une attention considrable de la part de la communaut des chercheurs. Une valeur aberrante est un objet de donnes qui s'carte des autres observations. La dtection des valeurs aberrantes a des applications importantes dans le nettoyage des donnes ainsi que dans l'extraction de points anormaux pour la dtection de la fraude, l'analyse du march boursier, la dtection des intrusions, le marketing, les capteurs de rseau. La plupart des efforts de recherche existants se concentrent sur les ensembles de donnes numriques qui ne sont pas directement applicables aux ensembles de donnes catgorielles o l'ordre des donnes et le calcul des distances entre les points de donnes ont peu de sens. En outre, un certain nombre de mthodes actuelles de dtection des valeurs aberrantes ncessitent un temps quadratique par rapport la taille de l'ensemble de donnes et ncessitent gnralement des analyses multiples des donnes ; ces caractristiques ne sont pas souhaitables lorsque les ensembles de donnes sont volumineux. Cette thse se concentre et value, exprimentalement, une approche de dtection des aberrations qui est oriente vers les ensembles catgoriels. En outre, il s'agit d'un algorithme de dtection de valeurs aberrantes simple, volutif et efficace qui a l'avantage de dcouvrir les valeurs aberrantes dans des ensembles de donnes catgoriques ou numriques en per