基于邻域链的数据异常点检测
异常点检测(outlier detection)领域的大量研究都集中于一类"基于密度的"方法,这类方法能够克服许多传统异常点检测方法的缺陷,但仍大多使用基于几何距离的方式进行数据点局部密度的估计,导致在某些情况下反直观结果的出现.针对该间题,用一种基于邻域链的方法取代传统方法进行局部密度的估计,设计新的异常点检测方法.实验结果表明,对比经典的基于密度的异常点检测方法LOF(Local outlier factor)以及几种基于LOF的改进方法,所提出的方法能够更加准确地区分正常和异常数据点,避免反直观结果的出现.
数据挖掘、异常点检测、局部密度、局部异常因子、欧氏距离、邻域链
34
TP181(自动化基础理论)
国家自然科学基金项目61573275, 61671370;国家973计划项目2013CB329405;陕西省科技计划项目2013KJXX-46;中央高校基本科研业务费专项资金项目xjj2016066;中国博士后科学基金项目2016M 592790;中国电子科技集团公司航天信息应用技术重点实验室高校合作课题项目KX172600034
2019-07-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
1433-1440