一种基于邻域系统密度差异度量的离群点检测算法

• 作者: 于炯 叶乐乐 杜旭升 王跃飞 蒲勇霖 陈嘉颖
• 来源期刊: 计算机应用研究
• 关键词: 数据挖掘 离群点检测 基于密度 LOF LDOF CBOF
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1969-1973
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.12.0932

摘要

针对离群点检测算法LOF在高维离散分布数据集中检测精度较低及参数敏感性较高的问题,提出了基于邻域系统密度差异度量的离群点检测NSD(neighborhood system density difference)算法.相较于传统基于密度的离群点检测方法,NSD算法引入了截取距离的概念.首先计算数据集中对象在截取距离内的邻居点个数;其次计算对象的邻域系统密度;然后将对象的密度与它邻居的密度进行比较,判定目标对象与其邻居趋向于同一簇的程度;最后输出最可能是离群点的对象.将NSD算法与LOF、LDOF、CBOF算法在真实数据集与合成数据集中对比实验发现,NSD算法具有较高的检测准确率和执行效率以及较低的参数敏感性,证明了NSD算法是有效可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于炯	新疆大学软件学院	176	1315	20.0	28.0
5	王跃飞	新疆大学信息科学与工程学院	17	94	5.0	9.0
6	杜旭升	新疆大学软件学院	4	2	1.0	1.0
7	陈嘉颖	新疆大学信息科学与工程学院	5	26	1.0	5.0
8	蒲勇霖	新疆大学信息科学与工程学院	14	40	4.0	5.0
9	叶乐乐	西安交通大学软件学院	2	0	0.0	0.0