基于高斯核函数的局部离群点检测算法

Shao-yun GUAN,Li-kun ZHENG, Yi-ning JIN,Jing-tian GUO,Zhong-ping ZHANG, Chuang-ye MIAO

Journal of Harbin University of Commerce(Natural Sciences Edition)（2019）

引用 0|浏览1

暂无评分

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.

查看译文

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要