基于邻域离散度的异常点检测算法

摘要：

异常点检测在机器学习和数据挖掘领域中有着十分重要的作用.当前异常点检测算法的一大缺陷是正常数据在边缘处异常度较高,导致在某些情况下误判异常点.为了解决该问题,提出了一种新的基于邻域离散度的异常点检测算法.该算法将数据点所在邻域的离散度作为该数据点的异常度,从而避免边缘数据点异常度过高.实验结果表明,该算法能够更有效地检测数据集中的异常点,并且算法对参数选择不敏感,性能较为稳定，准确度较高。

关键词： 异常点检测算法 数据处理 准确度 邻域离散度

作者: 沈琰辉 刘华文 赵建民 徐晓丹

作者单位: 浙江师范大学数理与信息工程学院 金华321004

会议类型: 国内会议

会议名称: 2015全国理论计算机科学学术年会

会议地点: 金华

会议语种:中文

页码: 1-10

在线出版日期: 2015-10-30（万方平台首次上网日期，不代表论文的发表时间）