基于高斯核函数的局部离群点检测算法

• 作者: 关绍云 张忠平 苗创业 郑丽坤 郭靖天 金一宁
• 来源期刊: 哈尔滨商业大学学报（自然科学版）
• 学科: 工学
• 关键词: 离群点 高斯核函数 核密度 共享邻居 k最近邻 数据挖掘
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 185-190,203
• 页数: 7页
• 分类号: TP311
• 字数: 6979字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0946.2019.02.014

摘要

随着信息技术的快速发展, 数据资源的结构越来越复杂, 离群点挖掘受到越来越多人关注.基于高斯核函数, 考虑数据对象的k个最近邻居, 反向k近邻居和共享最近邻居三种邻居关系, 估计数据对象的密度, 提出了一种基于高斯核函数的局部离群点检测算法.该算法通过KNN图存储每个数据对象的最近邻, 包括k最近邻, 反向k近邻和共享最近邻, 构成数据对象的邻居集合S;通过核密度估计KDE方法估计数据对象的密度;通过相对密度离群因子RDOF来估计数据对象偏离邻域的程度, 进而判定数据对象是否为离群点, 并在真实和合成的数据集上证明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张忠平	燕山大学信息科学与工程学院	67	714	16.0	25.0
2	金一宁	哈尔滨商业大学计算机与信息工程学院	6	12	2.0	3.0
3	关绍云	哈尔滨商业大学计算机与信息工程学院	13	104	6.0	10.0
4	郭靖天	哈尔滨商业大学计算机与信息工程学院	4	4	1.0	1.0
5	郑丽坤	哈尔滨商业大学计算机与信息工程学院	11	40	2.0	6.0
6	苗创业	燕山大学信息科学与工程学院	1	2	1.0	1.0