基于K-近邻树的离群检测算法

• 作者: 万家强 朱庆生 范小刚
• 来源期刊: 计算机应用研究
• 关键词: 离群检测 离群簇 最小生成树 不相似性 K-近邻
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 669-673
• 页数: 5页
• 分类号: TP301.6|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.03.007

摘要

为适应数据集分布形状多样性以及克服数据集密度问题,针对已有算法对离群簇检测效果欠佳的现状,提出了一种基于K-近邻树的离群检测算法KNMOD(outlier detection based on K-nearest neighborhood MST).算法结合密度与方向因素,提出一种基于K-近邻的不相似性度量,然后带约束切割基于此度量构建的最小生成树从而获得离群点.算法可以有效地检测出局部离群点以及局部离群簇,与LOF、COF、KNN及INFLO算法的对比结果也证实了算法的优越性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱庆生	重庆大学计算机学院	175	1952	22.0	33.0
2	万家强	重庆大学计算机学院	2	8	2.0	2.0
3	范小刚	重庆大学计算机学院	1	6	1.0	1.0