基于快速密度峰值聚类离群因子的离群点检测算法OA北大核心CSTPCD
Outlier detection algorithm based on fast density peak clustering outlier factor
针对密度峰值聚类算法需要人工设置参数、时间复杂度高的问题,提出了基于快速密度峰值聚类离群因子的离群点检测算法.首先,使用k近邻算法代替密度峰值聚类中的密度估计,采用KD-Tree索引数据结构计算数据对象的k近邻;然后,采用密度和距离乘积的方式自动选取聚类中心.此外,定义了向心相对距离、快速密度峰值聚类离群因子来刻画数据对象的离群程度.在人工数据集和真实数据集上对所提算法进行实验验证,并与一些经典和新颖的算法进行对比实验,从正确性和时间效率上验证了所提算法的有效性.
张忠平;李森;刘伟雄;刘书霞
燕山大学信息科学与工程学院,河北秦皇岛 066004河北省计算机虚拟技术与系统集成重点实验室,河北秦皇岛 066004河北省软件工程重点实验室,河北秦皇岛 066004燕山大学信息科学与工程学院,河北秦皇岛 066004
信息技术与安全科学
数据挖掘密度峰值聚类离群点k近邻向心相对距离
《通信学报》 2022 (10)
三维障碍空间中的可视查询问题研究
186-195,10
国家自然科学基金资助项目(No.61972334)国家社会科学基金资助项目(No.20BJ122)河北省创新能力提升计划基金资助项目(No.20557640D)四达铁路智能图像工件识别基金资助项目(No.x2021134)
评论