基于邻域离散度的异常点检测算法

• 作者: 刘华文 徐晓丹 沈琰辉 赵建民 陈中育
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 异常点检测 机器学习 数据挖掘 主成分分析
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1763-1772
• 页数: 10页
• 分类号: TP181
• 字数: 5801字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1509075

摘要

异常点检测在机器学习和数据挖掘领域中有着十分重要的作用.当前异常点检测算法的一大缺陷是正常数据在边缘处异常度较高,导致在某些情况下误判异常点.为了解决该问题,提出了一种新的基于邻域离散度的异常点检测算法.该算法将数据点所在邻域的离散度作为该数据点的异常度,既能有效避免边缘数据点的异常度过高,又能较好地区分正常点与异常点.实验结果表明,该算法能够有效地检测数据中的异常点,并且算法对参数选择不敏感,性能较为稳定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵建民	浙江师范大学数理与信息工程学院	121	1027	18.0	25.0
2	徐晓丹	浙江师范大学数理与信息工程学院	21	185	8.0	13.0
3	陈中育	浙江师范大学数理与信息工程学院	44	211	7.0	13.0
4	刘华文	浙江师范大学数理与信息工程学院	15	93	6.0	9.0
5	沈琰辉	浙江师范大学数理与信息工程学院	1	19	1.0	1.0