10.3969/j.issn.1673-629X.2017.12.025
一种改进的LOF异常点检测算法
LOF异常点检测算法在实际应用中有两个缺陷:一是离群因子值只与参数K有关,当K取值不同时,离群因子的值将不同,之前是异常点的数据可能不再是异常点.二是对于未知异常点个数的数据集,选择参数K以保证离群点的挖掘数量合理难以做到.因此,提出一种结合平均密度的改进LOF异常点检测算法.首先分析数据集中数据点的平均密度,根据密度的分布情况确定数据集的异常点个数M1及异常集D1,然后通过计算离群因子确定M2(M2=M1)个异常点及异常集D2.取D1与D2的交集作为最终的离群集.实验结果表明,改进算法在检测精准性方面有显著提高,误报率较低,综合评价指标F值比LOF算法有显著增强.
LOF算法、平均密度、异常点集、离群因子
27
TP181(自动化基础理论)
江苏省自然科学基金BK20140877,BK2014803
2018-01-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
115-118