基于聚类划分的两阶段离群点检测算法

• 作者: 丁艳辉 杨福萍 牛家洋 王洪国 董树霞
• 来源期刊: 计算机应用研究
• 关键词: 层次聚类 K-均值 信息熵 距离和 离群点检测
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1942-1945
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.07.005

摘要

针对基于距离的离群点检测算法受全局阈值的限制,只能检测全局离群点,提出了基于聚类划分的两阶段离群点检测算法挖掘局部离群点.首先基于凝聚层次聚类迭代出K-means所需的k值,然后再利用K-means的方法将数据集划分成若干个微聚类；其次为了提高挖掘效率,提出基于信息熵的聚类过滤机制,判定微聚类中是否包含离群点；最后从包含离群点的微聚类中利用基于距离的方法挖掘出相应的局部离群点.实验结果表明,该算法效率高、检测精度高、时间复杂度低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王洪国	山东师范大学信息科学与工程学院	44	455	13.0	19.0
2	丁艳辉	山东师范大学信息科学与工程学院	13	120	5.0	10.0
4	杨福萍	山东师范大学信息科学与工程学院	3	47	3.0	3.0
8	董树霞		6	42	3.0	6.0
11	牛家洋	山东师范大学信息科学与工程学院	2	27	2.0	2.0