基于相关子空间的高维离群数据检测算法

• 作者: 赵向兵 张天刚
• 来源期刊: 计算技术与自动化
• 关键词: 数据挖掘 离群数据 稀疏度 高斯核函数 相似度因子 相关子空间 仿真实验 算法分析
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 算法分析与研究
• 页码范围: 82-86
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202201015

摘要

为了提高离群数据检测精度和效率，提出了一种基于相关子空间的离群数据检测算法。该算法首先根据数据局部密度分布特征得出稀疏度矩阵，通过高斯相似核函数放大稀疏度特征；然后计算各属性维中数据稀疏度相似因子，确定子空间向量及相关子空间，结合数据稀疏度和维度权值得出数据对象的离群因子，选取最大的若干个对象为离群数据；最后采用人工数据集和UCI实验数据集验证算法准确性和有效性。