基于邻域离散度的异常点检测算法

摘要：

异常点检测在机器学习和数据挖掘领域中有着十分重要的作用.当前异常点检测算法的一大缺陷是正常数据在边缘处异常度较高,导致在某些情况下误判异常点.为了解决该问题,提出了一种新的基于邻域离散度的异常点检测算法.该算法将数据点所在邻域的离散度作为该数据点的异常度,既能有效避免边缘数据点的异常度过高,又能较好地区分正常点与异常点.实验结果表明,该算法能够有效地检测数据中的异常点,并且算法对参数选择不敏感,性能较为稳定.

关键词：异常点检测、机器学习、数据挖掘、主成分分析

所属期刊栏目：10

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant Nos.61272007,61272468,61572443;the Natural Science Foundation of Zhejiang Province under Grant No.LY14F020012;the Foundation of Zhejiang Educational Committee under Grant No.Y201328291

在线出版日期：2017-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1763-1772