一种基于密度近邻的增量式孤立点发现算法

• 作者: 司刚全 张彦斌 曹晖 贾立新
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 孤立点发现 增量式算法 密度近邻 增量异常因子(IOF)
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 研究与应用
• 页码范围: 931-935
• 页数: 5页
• 分类号: TP274
• 字数: 4229字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2009.06.020

摘要

为了解决数据集更新时孤立点增量发现问题,提出一种基于密度近邻的增量式孤立点发现算法.当数据集更新时,该算法在确定出受影响的对象后,根据对象和其近邻间k-密度变化,建立对象的密度近邻序列.然后依据对象的密度近邻序列代价和其k-距离邻域的平均密度近邻序列代价,计算出受影响对象的增量异常因子(IOF)来表征对象的孤立程度,从而提高增量孤立点发现的效果.此外,由于只需重新计算这些受影响对象的IOF值,该算法还提高孤立点发现的速度.实验表明,该算法不仅在孤立点增量发现的效果上高于以往算法且减少算法的运行时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹晖	西安交通大学电气工程学院	31	215	8.0	12.0
2	司刚全	西安交通大学电气工程学院	29	249	10.0	14.0
3	张彦斌	西安交通大学电气工程学院	33	405	12.0	19.0
4	贾立新	西安交通大学电气工程学院	13	306	8.0	13.0