文献类型：期刊文章

作　　者：杨晓玲[1,2] 冯山[1] 袁钟[2]

YANG Xiao-ling;FENG Shan;YUAN Zhong(School of Mathematical Science,Sichuan Normal University,Chengdu,Sichuan 610066,China;School of Information Science and Technology,Southwest Jiaotong University,Chengdu,Sichuan 611756,China)

机构地区：[1]四川师范大学数学科学学院,四川成都610066 [2]西南交通大学信息科学与技术学院,四川成都611756

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61673285,No.61976182,No.61572406);四川省青年科技基金(No.2017JQ0046);四川省国际科技创新合作重点项目(No.2019YFH0097)。

年　　份：2020

卷　　号：48

期　　号：5

起止页码：937-945

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对分布复杂且离群类型多样的数据集进行离群检测困难的问题,提出基于相对距离的反k近邻树离群检测方法RKNMOD(Reversed K-Nearest Neighborhood).首先,将经典欧氏距离、对象局部密度和对象邻域结合,定义了对象的相对距离,能同时有效检出全局和局部离群点.其次,以最小生成树结构为基础,采取最大边切割法以快速分割离群点和离群簇.最后,人工合成数据集和UCI数据集试验均表明,新算法的检测准确率更高,为分布异常且离群类型多样的数据集的离群检测提供了一条有效的新途径.

关 键 词：离群点 离群簇  反k近邻  最小生成树 相对距离度量  

分 类 号：TP18]