离群数据挖掘是数据挖掘的重要内容,是寻找与大部分数据不一致,有明显差异的离群数据的过程。数据获取技术的发展,使得数据的维度和数据量急速增加。传统离群数据挖掘算法的挖掘精度受到“维灾”严重影响,并且无法适应海量数据。本文利用高斯混合模型,对基于相关子空间的离群数据挖掘及其并行化进行了深入研究。主要成果如下:(1)给出一种基于高斯混合模型的相关子空间与离群数据挖掘算法。该算法首先根据K近邻算法,确定数据集中各数据对象的局部数据集,并依据数据对象属性值的稀疏度生成全局的稀疏度矩阵,稀疏度矩阵有效地体现出数据的稀疏性和稠密性;其次,利用高斯混合模型和稀疏度矩阵,重新定义了数据集的相关子空间,可有效地适用于任意分布的数据集;然后,在相关子空间中,利用数据对象每个维度的稀疏度和属性权值,计算数据对象的离群值,并选取离群值较大的若干个对象作为离群数据;最后采用人工和UCI数据集,实验验证了该算法的有效性。(2)采用Spark并行计算平台,给出一种基于高斯混合模型和相关子空间的离群数据并行挖掘算法。该算法利用弹性数据集(RDD),将局部数据集、稀疏度矩阵、相关子空间矩阵等各计算节点生成的中间计算结果,存放在内存中;在各计算节点,计算数据对象的离群值,有效地提高了挖掘效率;利用天体光谱数据集,实验验证了该算法的可扩展性和延展性。