基于局部线性加权的离群点检测方法

计算机科学 ›› 2008, Vol. 35 ›› Issue (5): 154-157.

基于局部线性加权的离群点检测方法

出版日期:2018-11-16 发布日期:2018-11-16

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 为了提高高维数据集合离群数据挖掘效率，在分析了传统的离群数据挖掘算法优点和缺点的基础上，提出了一种基于局部线性加权的离群点检测算法。该算法利用LLE算法的思想寻找样本数据的内在嵌入分布，并通过距离公式和离群点权值判别式进行权值数据判定，根据权值的大小标识出数据集中的离群点。仿真实验的结果表明了该方法能够有效地发现高维数据集中的离群点。与此同时，该算法具有参数估计简单、参数影响不大等优点。该算法为离群点检测问题的机器学习提供了一条新的途径。

关键词: 局部线性嵌入高维数据非线性降维离群数据

Abstract: The data dimension reduction is the main method that can enhance the outliers mining efficiency based on higher-dimension data set. The research of detection of outliers based on locally linear weighted value is proposed after analyzing the advantages and

Key words: Locally linear embedding, High dimensional data, Nonlinear dimensionality reduction, Outliers

. 基于局部线性加权的离群点检测方法[J]. 计算机科学, 2008, 35(5): 154-157. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed