基于密度划分的离群点检测算法

摘要：

目前，大部分离群点检测算法需要人工输入参数，不能同时检测出全局和局部离群点，不能有效处理密度不均匀数据。针对这些问题，提出一种基于密度划分的离群点检测算法DD-DBSCAN。主要创新包括：1)运用最小生成树的方法，新定义簇密度概念，将数据录入后划分成密度不等的簇，使算法能够处理密度分布不均匀的数据；2)采用“分而治之”的思想，对经过划分的数据集分别进行离群点检测，使得算法能够同时处理全局和局部离群点；3)通过在各个簇中自适应地计算所需参数值，算法不再需要人工输入参数(聚类半径(Eps)等)。通过在2D模拟数据集和Iris真实数据集上的实验表明，与DBSCAN算法比较，本文算法具有更高的覆盖率和正确率。

关键词：数据挖掘、聚类、离群点检测

分类号：TP301(计算技术、计算机技术)

资助基金：西北工业大学基础研究基金资助项目JC201273

在线出版日期：2015-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：26-32