高维数据离群点检测的局部线性嵌入方法

• 作者: 刘金艳 王宁 邓廷权
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 局部线性嵌入 维数约减 高维数据 离群点 k-最近邻
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 115-122
• 页数: 8页
• 分类号: TP301
• 字数: 8411字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1610-0261

摘要

由于高维空间中数据点比较稀疏,用传统方法来检测高维空间中的离群点不能达到预期效果.提出了一种基于局部线性嵌入的离群点检测方法(OLLE).在OLLE降维方法中,建立了一种有效的粗糙集模型,使数据集的下近似中的点保持局部线性结构.同时构造两个权重,使所有样本点保持局部近邻结构,且保证在降维的过程中使离群点远离正常点.最后,在低维空间中,采用基于最小生成树的k-最近邻启发式方法来检测离群点.通过一系列的模拟实验,证明OLLE方法能达到很好的降维效果,并且在低维空间中可以有效地检测出离群点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宁	哈尔滨工程大学理学院	59	220	10.0	12.0
2	邓廷权	哈尔滨工程大学理学院	32	261	10.0	14.0
3	刘金艳	哈尔滨工程大学理学院	1	2	1.0	1.0