– Algorithms• Index-based [ Knorr a

– Algorithms
• Index-based [ Knorr and Ng 1998]
– Compute distance range join using spatial index structure
– Exclude point from further consideration if its ε-neighborhood contains more than Card(DB) . π points
• Nested-loop based [ Knorr and Ng 1998]
– Divide buffer in two parts
– Use second part to scan/compare all points with the points from the first part
• Grid-based [ Knorr and Ng 1998]
– Build grid such that any two points from the same grid cell have a distance of at most ε to each other
– Points need only compared with points from neighboring cells

– Deriving intensional knowledge [ Knorr and Ng 1999]
• Relies on the DB(ε,π)- outlier model
• Find the minimal subset(s) of attributes that explains the “outlierness” of a point, i.e., in which the point is still an outlier

Kết quả (Việt) 1:

-Các thuật toán• Dựa trên chỉ số [Knorr và Ng 1998]-Tính toán khoảng cách nhiều tham gia bằng cách sử dụng cấu trúc không gian chỉ mục-Loại trừ điểm từ xem xét thêm nếu ε-vùng lân cận của nó có chứa nhiều hơn Card(DB). Π điểm• Vòng lặp lồng nhau dựa trên [Knorr và Ng 1998]-Phân chia vùng đệm trong hai phần-Sử dụng phần thứ hai để quét/so sánh tất cả các điểm với điểm từ phần đầu tiên• Dựa trên lưới [Knorr và Ng 1998]-Xây dựng mạng lưới như vậy mà bất kỳ hai điểm từ lưới điện cùng có một khoảng cách nhất ε với nhau-Điểm cần chỉ so với điểm giáp ranh các tế bào -Bắt nguồn kiến thức intensional [Knorr và Ng 1999]• Dựa vào các mô hình DB(ε,π)-outlier• Tìm thấy tối thiểu subset(s) thuộc tính giải thích về "outlierness" của một điểm, ví dụ, trong đó điểm vẫn là một outlier

Kết quả (Việt) 2:

- Thuật toán
• Index dựa trên [Knorr và Ng 1998]
- Tính toán phạm vi khoảng cách tham gia cơ cấu sử dụng chỉ số không gian
- Loại trừ điểm từ xem xét thêm nếu ε-khu phố của nó có chứa nhiều hơn Card (DB). π điểm
• Nested-loop dựa [Knorr và Ng 1998]
- đệm chia thành hai phần
- Sử dụng phần thứ hai để quét / so sánh tất cả các điểm với các điểm từ phần đầu tiên
• Lưới dựa trên [Knorr và Ng 1998]
- Xây dựng mạng lưới như vậy rằng bất kỳ hai điểm từ ô cùng có một khoảng cách ít nhất ε với nhau
- số điểm chỉ cần so sánh với các điểm từ tế bào lân cận

- Xuất phát kiến thức intensional [Knorr và Ng 1999]
• Dựa trên DB (ε, π) - mô hình outlier
• Tìm tập con tối thiểu (s) của các thuộc tính giải thích "outlierness" của một điểm, tức là, trong đó điểm vẫn là một outlier