基于贝叶斯网的连续数据子空间例外检测研究：方法、应用与挑战

一、引言

1.1研究背景与意义

在当今数字化时代，数据呈爆炸式增长，连续数据广泛存在于各个领域，如医疗、金融、工业制造等。从医疗领域的患者生命体征数据，到金融领域的股票价格走势，再到工业制造中的传感器监测数据，这些连续数据蕴含着丰富的信息，对于决策制定、系统优化等具有重要价值。然而，数据中往往存在一些与大多数数据模式不同的异常数据，即例外数据，这些例外数据可能隐藏着重要的信息，如疾病的早期症状、金融风险的预警信号、工业设备的潜在故障等。准确检测出这些例外数据，对于发现潜在问题、预防重大事故、提升系统性能具有关键作用。

传统的数据挖掘