计算机应用研究

作者：杜旭升,于炯,陈嘉颖,王跃飞,蒲勇霖,叶乐乐,

单位：1.新疆大学a.软件学院;b.信息科学与工程学院,乌鲁木齐830008；2.西安交通大学软件学院,西安710049；

关键词：数据挖掘,离群点检测,基于密度,LOF,LDOF,CBOF,

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

针对离群点检测算法LOF在高维离散分布数据集中检测精度较低及参数敏感性较高的问题，提出了基于邻域系统密度差异度量的离群点检测NSD（neighborhood system density difference）算法。相较于传统基于密度的离群点检测方法，NSD算法引入了截取距离的概念。首先计算数据集中对象在截取距离内的邻居点个数；其次计算对象的邻域系统密度；然后将对象的密度与它邻居的密度进行比较，判定目标对象与其邻居趋向于同一簇的程度；最后输出最可能是离群点的对象。将NSD算法与LOF、LDOF、CBOF算法在真实数据集与合成数据集中对比实验发现，NSD算法具有较高的检测准确率和执行效率以及较低的参数敏感性，证明了NSD算法是有效可行的。

来源：2020年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第7期