基于高维几何特征的孤立点检测算法

摘要：

针对孤立点检测算法不能较好地模拟人工检测过程、未充分考虑待测数据周围样本分布的问题,提出了一种孤立点检测算法DD-SVDD.该算法综合考虑待测样本与目标样本之间的距离,以及待测样本所在区域样本的分布信息,结合距离和平均密度来确定高维特征空间中决策边界附近待测数据的类别.在训练阶段,考虑了决策边界附近目标训练样本的分布,预留训练样本集中边界的部分目标样本并计算其平均密度;在预测阶段,综合使用距离与平均密度对待测样本的归属进行判断.进行了算法的推导,给出了训练阶段、检测阶段的伪代码,并基于UCI机器学习库中的数据进行试验.结果表明,DD-SVDD算法具有有效性,并能达到较高的识别率.

关键词：孤立点检测、支持向量数据描述、半径延伸、平均密度、人工检测

所属期刊栏目：32

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家科技型中小企业技术创新基金资助项目09C26213203797;江苏省高校自然科学重大基金资助项目08KJA520001;江苏省"青蓝工程"项目BK2010331;江苏省六大人才高峰项目07-E-025

在线出版日期：2011-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：84-88