基于数据场的改进LOF算法

• 作者: 孙新军 孟海东 宋宇辰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 数据挖掘 局部可达密度 数据场 平均势差 局部离群因子
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 154-158
• 页数: 5页
• 分类号: TP311|TP18
• 字数: 3616字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1709-0453

摘要

LOF(Local Outlier Factor)是一种经典基于密度的局部离群点检测算法,为提高算法的精确度,以便更精准挖掘出局部离群点,在LOF算法的基础上,提出了一种基于数据场的改进LOF离群点检测算法.通过对数据集每一维的属性值应用数据场理论,计算势值,进而引入平均势差的概念,针对每一维度中大于平均势差的任意两点在计算距离时加入一个权值,从而提高离群点检测的精确度,实验结果表明该算法是可行的,并且拥有更高的精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟海东	内蒙古科技大学矿业研究院	125	679	13.0	20.0
5	宋宇辰	内蒙古科技大学矿业研究院	60	366	10.0	17.0
6	孙新军	内蒙古科技大学信息工程学院	1	1	1.0	1.0