计算机应用研究

作者：张倩倩,于炯,李梓杨,蒲勇霖,

单位：1.新疆大学软件学院,乌鲁木齐830091；2.新疆大学信息科学与工程学院,乌鲁木齐830046；

关键词：离群点检测,聚类算法,数据挖掘,近邻传播,

基金：国家自然科学基金资助项目(61862060,61462079,61562086,61562078)；；

离群点是与其他正常点属性不同的一类对象，其检测技术在各行业上均有维护数据纯度、保障业内安全等重要应用，现有算法大多是基于距离、密度等传统方法判断检测离群点。本算法给每个对象分配一个“孤立度”，即该点相对其邻点的孤立程度，通过排序进行判定，比传统算法效率更高。在AP（affinity propagation）聚类算法的基础上进行改进与优化，提出能检测异常数据点的算法APO（outlier detection algorithm based on affinity propagation）。通过加入孤立度模块并计算处理样本点的孤立信息，并引入放大因子，使其与正常点之间的差异更明显，通过增大算法对离群点的敏感性，提高算法的准确性。分别在模拟数据集和真实数据集上进行对比实验，结果表明：该算法与AP算法相比，对离群点的敏感性更加强烈，且本算法检测离群点的同时也能聚类，是其他检测算法所不具备的。

来源：2021年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第6期