基于邻域和密度的异常点检测算法

• 作者: 皮德常 陶运信
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 数据挖掘 异常点 方形邻域 密度 局部异常因子
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 398-403
• 页数: 6页
• 分类号: TP18|TP311.13
• 字数: 4390字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2008.04.013

摘要

为了减少基于密度的异常点检测算法邻域查询操作的次数,同时避免ODBSN(Outlier Detection Based on Square Neighborhood)中有意义异常点的丢失和稀疏聚类中的对象靠近稠密聚类时导致错误的异常点判断,提出了一种基于邻域和密度的异常点检测算法NDOD(Neighborhood and Density based Outlier Detection).NDOD吸收基于网格方法的思想,以广度优先扩张方形邻域,成倍地减少了邻域查询的次数,从而快速排除聚类点并克服基于网格方法中的"维灾".新引入的基于邻域的局部异常因子代表候选异常点的异常程度,用于对候选异常点的精选,可避免ODBSN的缺陷,发现更多有意义的异常点.大规模和任意形状的二维空间数据的测试结果表明,该算法是可行有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	皮德常	南京航空航天大学信息科学与技术学院	66	408	9.0	17.0
2	陶运信	南京航空航天大学信息科学与技术学院	4	19	2.0	4.0