基于密度划分的离群点检测算法

• 作者: 王勇 魏龙
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 数据挖掘 聚类 离群点检测
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 26-32
• 页数: 7页
• 分类号: TP301
• 字数: 5235字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2015.03.006

摘要

目前，大部分离群点检测算法需要人工输入参数，不能同时检测出全局和局部离群点，不能有效处理密度不均匀数据。针对这些问题，提出一种基于密度划分的离群点检测算法DD-DBSCAN。主要创新包括：1)运用最小生成树的方法，新定义簇密度概念，将数据录入后划分成密度不等的簇，使算法能够处理密度分布不均匀的数据；2)采用“分而治之”的思想，对经过划分的数据集分别进行离群点检测，使得算法能够同时处理全局和局部离群点；3)通过在各个簇中自适应地计算所需参数值，算法不再需要人工输入参数(聚类半径(Eps)等)。通过在2D模拟数据集和Iris真实数据集上的实验表明，与DBSCAN算法比较，本文算法具有更高的覆盖率和正确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王勇	西北工业大学理学院	73	493	12.0	19.0
2	魏龙	西北工业大学计算机学院	1	6	1.0	1.0