基于网格LOF和自适应K-means的离群点检测算法

• 作者: 张硕 李兆峰 金鑫 高建
• 来源期刊: 指挥信息系统与技术
• 学科: 工学
• 关键词: 局部异常因子 K-means 聚类算法 大数据 离群点
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 实践与应用
• 页码范围: 90-94
• 页数: 5页
• 分类号: TP309
• 字数: 5313字
• 语种: 中文
• DOI: 10.15908/j.cnki.cist.2019.01.017

摘要

为了提高大数据背景下离群点检测方法的准确性和时效性,深入研究并分析了聚类算法的特征,提出了一种基于网格局部异常因子(LOF)算法和自适应K-means算法的改进型离群点检测聚类算法.先对大数据信息使用网格LOF算法进行预处理,过滤掉数据中孤立的离群点,再用自适应K-means算法精确地进行离群点检测.最后,试验结果表明,该算法相比于同类离群点检测算法节约了检测运行时间,并提高了检测准确度,对大数据集和高维数据也有较理想的离群点检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金鑫	中国电子科技集团公司第二十八研究所	13	83	4.0	9.0
2	李兆峰	中国电子科技集团公司第二十八研究所	3	14	2.0	3.0
3	张硕	中国电子科技集团公司第二十八研究所	2	7	1.0	2.0
4	高建	中国电子科技集团公司第二十八研究所	1	7	1.0	1.0