基于邻域平均距离的离群点检测算法
史金余
杜晓涵
孙禹明
李春慧
大连海事大学信息科学技术学院 大连 116026
摘要：离群点检测是数据挖掘领域的一个热点问题,离群点检测可以有效地识别出数据集中的离群点,为数据分析提供方便.为提高数据分析精度,有效筛选离群点,提出一种基于邻域平均距离的离群点检测算法.首先计算误差平方和并使用肘部法确定最佳聚类个数K,然后将K代入K-Means的优化算法二分K-Means中对数据集进行聚类处理,从而得到K个数据簇,最后分别计算每个簇中质心ε邻域的邻域平均距离,将与质心距离大于阈值距离的样本点作为离群点集.实验结果表明,在标准数据集UCI上,该算法的检测率有较好的表现.
关键词：离群点检测二分K-Means肘部法平均邻域距离
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(62103072)中国博士后科学基金资助项目(2021M690502)中央高校基本科研基金(3132021242)
论文发表日期：2024-07-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1916-1920 )
英文信息